-
公开(公告)号:CN112883776A
公开(公告)日:2021-06-01
申请号:CN202110004845.8
申请日:2021-01-04
Applicant: 南开大学
Abstract: 本公开提出了基于全局到局部的感受野搜索的动作分割模型获取方法,包括:获取分割视频数据集,针对分割视频数据集,基于分割网络拓扑结构及随机初始化感受野膨胀率进行全局搜索,获得粗略的网络感受野组合;利用粗略的网络感受野组合从新初始化分割网络拓扑结构;基于分割视频数据集与重新初始化的分割网络拓扑结构,进行局部搜索,得到性能更优的感受野组合;利用局部搜索得到的感受野组合重新初始化分割网络拓扑结构,利用分割视频数据集进行完整的分割网络训练,获得训练后的分割网络模型。通过迭代搜索过程,局部搜索逐渐找到了更有效的低成本细粒度感受野组合。
-
公开(公告)号:CN112541857B
公开(公告)日:2022-09-16
申请号:CN202011551847.0
申请日:2020-12-24
Applicant: 南开大学
Abstract: 本发明公开了基于增强表现力神经网络批归一化的图像表征方法及系统,包括:获取目标图像;提取目标图像的特征;对目标图像的特征进行居中校准,得到居中校准后的结果;对居中校准后的结果进行居中归一化处理,得到居中归一化结果;对居中归一化结果进行缩放归一化处理,得到缩放归一化结果;对缩放归一化结果进行缩放校准,得到缩放校准结果;对缩放校准结果进行仿射变换,得到输出特征;基于输出特征对图像进行表征。本申请通过对神经网络模型采用改进的批归一化方式,实现对图像的精确表征。
-
公开(公告)号:CN109934241A
公开(公告)日:2019-06-25
申请号:CN201910242489.6
申请日:2019-03-28
Applicant: 南开大学
Abstract: 可集成到神经网络架构中的图像多尺度信息特征方法及应用。本发明从更细粒度的层面提升了神经网络的多尺度表达能力。本发明方法将进入提取器的特征图按照通道数量被分成几个特征图子集;然后将各特征图子集的送入依照层级递进的结构排布连接的卷积核组中,完成不同尺度信息的提取;再经过另一个融合卷积层进行信息融合,实现对不同尺度信息的融合。该方法可集成到现有的绝大多数神经网络结构中,大幅提升原有神经网络的性能。此外,基于该方法的神经网络能为包括但不限于图像分类、物体检测、注意力预测、目标跟踪、动作识别、语义分割、显著物体检测和骨架提取等视觉任务提供高质量的语义特征信息。
-
-