-
Patent Agency Ranking
公开(公告)号：CN114708185A
公开(公告)日：2022-07-05
申请号：CN202111258992.4
申请日：2021-10-28
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉及模式识别领域，具体涉及了一种基于大数据赋能和模型流的目标检测方法、系统及设备，旨在解决现有目标检测模型受限于训练数据导致模型性能不高，以及在不同应用场景下复用性差的问题。本发明包括：进行所有公开的目标检测数据集的整合，并以任一模型为基准搭建模型采样空间；一次训练中完成涵盖各种运行需求的动态超网；在当前场景中，通过类别的语义信息向量进行模型初始化及子模型筛选；通过当前场景数据进行子模型的预训练，最终获取的目标检测模型可进行当前场景待目标检测图像的目标检测。本发明在构建灵活的动态超网后，使用少量使用当前场景下的标注数据进行快速微调即可获得当前场景下的性能优异的目标检测模型。
-
公开(公告)号：CN114708185B
公开(公告)日：2025-03-18
申请号：CN202111258992.4
申请日：2021-10-28
Applicant: 中国科学院自动化研究所
IPC: G06V10/764 , G06V10/774 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明属于计算机视觉及模式识别领域，具体涉及了一种基于大数据赋能和模型流的目标检测方法、系统及设备，旨在解决现有目标检测模型受限于训练数据导致模型性能不高，以及在不同应用场景下复用性差的问题。本发明包括：进行所有公开的目标检测数据集的整合，并以任一模型为基准搭建模型采样空间；一次训练中完成涵盖各种运行需求的动态超网；在当前场景中，通过类别的语义信息向量进行模型初始化及子模型筛选；通过当前场景数据进行子模型的预训练，最终获取的目标检测模型可进行当前场景待目标检测图像的目标检测。本发明在构建灵活的动态超网后，使用少量使用当前场景下的标注数据进行快速微调即可获得当前场景下的性能优异的目标检测模型。
-
公开(公告)号：CN114743041B
公开(公告)日：2023-01-03
申请号：CN202210225051.9
申请日：2022-03-09
Applicant: 中国科学院自动化研究所 , 华为云计算技术有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/74 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种预训练模型抽选框架的构建方法及装置，该方法包括：选取图像数据集和自监督对比学习框架；根据图像数据集和自监督对比学习框架对构建的超网预训练模型进行训练，得到训练好的超网预训练模型；选取下游迁移任务和下游迁移数据集；在基于自监督对比学习框架获取的采样空间中筛选符合预设条件的第一模型，基于下游迁移任务和下游迁移数据集计算第一模型与训练好的超网预训练模型的相似度；基于相似度的计算结果，确定与训练好的超网预训练模型共享权重的目标预训练模型，得到预训练模型抽选框架。该方法可以实现高效的下游任务定制化抽取，抽取出的模型具有极佳的泛化能力。
-
公开(公告)号：CN114743041A
公开(公告)日：2022-07-12
申请号：CN202210225051.9
申请日：2022-03-09
Applicant: 中国科学院自动化研究所
IPC: G06V10/764 , G06V10/774 , G06V10/74 , G06K9/62 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种预训练模型抽选框架的构建方法及装置，该方法包括：选取图像数据集和自监督对比学习框架；根据图像数据集和自监督对比学习框架对构建的超网预训练模型进行训练，得到训练好的超网预训练模型；选取下游迁移任务和下游迁移数据集；在基于自监督对比学习框架获取的采样空间中筛选符合预设条件的第一模型，基于下游迁移任务和下游迁移数据集计算第一模型与训练好的超网预训练模型的相似度；基于相似度的计算结果，确定与训练好的超网预训练模型共享权重的目标预训练模型，得到预训练模型抽选框架。该方法可以实现高效的下游任务定制化抽取，抽取出的模型具有极佳的泛化能力。
-
公开(公告)号：CN116935107A
公开(公告)日：2023-10-24
申请号：CN202310855205.7
申请日：2023-07-12
Applicant: 中国科学院自动化研究所
IPC: G06V10/764 , G06V10/774 , G06V10/766 , G06V10/82 , G06V10/40 , G06N3/0464 , G06N3/0895 , G06N3/084
Abstract: 本发明提供一种基于互联网搜索的检测类别自扩展目标检测方法及装置，所述方法包括：将待检测图片输入至目标检测模型，得到目标检测模型输出的目标检测结果；其中，目标检测模型的训练步骤包括：基于待扩展检测类别，搜索待扩展检测类别对应的样本图片；基于样本图片以及待扩展检测类别，对初始检测模型进行训练，得到第一检测模型；将样本图片输入至第一检测模型，得到第一检测模型输出的样本图片对应的第一伪标签；基于样本图片、第一伪标签以及携带有标签的已知类别图片一同对第一检测模型进行训练，得到目标检测模型。本发明能够使得目标检测模型无需额外人工标注即可实现扩展检测类别。
-
-
-
-
Search Results
5
records
(took 0.024 seconds)
