-
公开(公告)号：CN116597197A
公开(公告)日：2023-08-15
申请号：CN202310385754.2
申请日：2023-04-11
Applicant: 华南理工大学
IPC: G06V10/764 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种自适应消除分类负梯度的长尾目标检测方法，包括：1)构建长尾目标检测模型，获取长尾数据集，将训练图像输入模型，对预测结果计算分类损失和定位损失，分类损失由自适应消除尾部类负梯度的损失函数计算得到，将分类损失和定位损失加权求和得到长尾学习总损失值；2)利用长尾学习总损失值进行梯度反传和参数更新，完成所有轮次训练后，保存性能最优的模型参数，得到最优的长尾目标检测模型；3)将测试集中的待检测图像输入优先模型，得到待检测图像中物体类别和位置的预测结果。本发明能够根据输出概率自适应地消除对尾部类的负梯度，有助于解决因尾部类学习不足导致的假阳性问题，提高目标检测模型性能。
Search Results
1
records
(took 0.014 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
