-
公开(公告)号：CN116778277B
公开(公告)日：2024-03-01
申请号：CN202310899182.X
申请日：2023-07-20
Applicant: 湖南大学无锡智能控制研究院
IPC: G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/096
Abstract: 型训练方法能够有效解决跨域目标检测中前景本发明涉及目标检测技术领域，具体公开了 目标特征和背景环境特征的耦合。一种基于渐进式信息解耦的跨域模型训练方法，包括：构建源域数据集和目标域数据集；将源域数据集和目标域数据集均输入至视觉目标检测器进行训练，挖掘与配准组件能够分别对源域数据集和目标域数据集提取到的浅层特征进行相似性特征挖掘与配准；语义校正组件能够分别对源域数据集和目标数据集提取到的中层特征进行上下文感知的语义校正；聚合分散组件能够根据源域数据集和目标域数据集的边界框、置信度
-
公开(公告)号：CN116778277A
公开(公告)日：2023-09-19
申请号：CN202310899182.X
申请日：2023-07-20
Applicant: 湖南大学无锡智能控制研究院
IPC: G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/096
Abstract: 本发明涉及目标检测技术领域，具体公开了一种基于渐进式信息解耦的跨域模型训练方法，包括：构建源域数据集和目标域数据集；将源域数据集和目标域数据集均输入至视觉目标检测器进行训练，挖掘与配准组件能够分别对源域数据集和目标域数据集提取到的浅层特征进行相似性特征挖掘与配准；语义校正组件能够分别对源域数据集和目标数据集提取到的中层特征进行上下文感知的语义校正；聚合分散组件能够根据源域数据集和目标域数据集的边界框、置信度和分类类别实现不同类别前景目标的聚合和分散。本发明提供的基于渐进式信息解耦的跨域模型训练方法能够有效解决跨域目标检测中前景目标特征和背景环境特征的耦合。
-
公开(公告)号：CN115115908A
公开(公告)日：2022-09-27
申请号：CN202210759090.7
申请日：2022-06-30
Applicant: 湖南大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06V10/25 , G06V20/70 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种跨域目标检测模型训练方法、目标检测方法及存储介质，其中训练方法包括：获取源域带标签图像和目标域无标签图像，构建训练数据集，搭建包括基于对抗训练的跨域目标检测器、感兴趣区域特征提取模块、语义迁移损失计算模块的网络模型，以基于语义迁移损失和基于对抗训练的跨域目标检测损失得到的跨域目标检测总损失为优化目标，基于训练数据集，对构建的网络模型进行训练，得到跨域目标检测模型。本发明在一定程度上消除目标检测在分类边界的语义混淆噪声，有效降低感兴趣区域语义错误匹配的风险，避免某些类别因感兴趣区域数量不足而迁移失败的问题，增强具有相同语义的源域和目标域感兴趣区域特征向量的聚合程度。
-
公开(公告)号：CN114912516A
公开(公告)日：2022-08-16
申请号：CN202210440038.5
申请日：2022-04-25
Applicant: 湖南大学无锡智能控制研究院
Abstract: 本发明公开了一种协调特征一致性和特异性的跨域目标检测方法及系统，包括：步骤1，构建源域数据集和目标域数据集，搭建基准跨域目标检测模型；步骤2，通过特征特异性记忆读写模块不断更新记忆单元中的记忆元素，指导基准跨域目标检测模型对特征特异性进行学习，再通过特征一致性加权对齐模块使用源域和目标域记忆元素来引导相同类别的记忆元素进行混淆、以及根据待检测目标类别出现的比例对每个类别级域判别器的损失函数进行加权，在语义特异性基础上进一步引导特征对跨域一致性的学习，得到跨域目标检测模型；步骤3，以协调特征一致性和特异性的跨域目标检测模型的损失函数为优化目标对该模型进行训练，并将训练后的模型应用于目标域。
-
-
-
Search Results
14
records
(took 0.017 seconds)
