公开(公告)号：CN116740488B

公开(公告)日：2024-01-05

申请号：CN202310550775.5

申请日：2023-05-16

Applicant: 北京交通大学

Inventor： 李艳凤 ,  张又 ,  陈后金 ,  孙嘉 ,  陈紫微

IPC: G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/46

Abstract: 的质量，从而提高了模型特征提取的质量且保持本发明涉及一种用于视觉定位的特征提取 计算成本不变。模型的训练方法，所述训练方法包括如下步骤：将无标签的原始训练集图像进行数据增强得到无标签的真实训练集图像，所述无标签的真实训练集图像包括景深图像和雾图像；根据所述真实训练集图像得到第一图像对并将其输入融合自注意力和卷积混合模块的模型得到第一特征点概率图；通过自监督的方式同时提取图像特征点和描述子，将3DCC变换应用于训练阶段，通过模拟现实世界中计算机视觉模型将遇到的自然分(56)对比文件杨晓云.基于卷积神经网络的视觉位置识别方法研究《.中国优秀硕士学位论文全文数据库信息科技辑》.2021,全文.丁静.烟雾环境下运动目标双目视觉定位技术研究《.中国博士学位论文全文数据库 信息科技辑》.2023,全文.

公开(公告)号：CN116740488A

公开(公告)日：2023-09-12

申请号：CN202310550775.5

申请日：2023-05-16

Applicant: 北京交通大学

Inventor： 李艳凤 ,  张又 ,  陈后金 ,  孙嘉 ,  陈紫微

IPC: G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/46

Abstract: 本发明涉及一种用于视觉定位的特征提取模型的训练方法，所述训练方法包括如下步骤：将无标签的原始训练集图像进行数据增强得到无标签的真实训练集图像，所述无标签的真实训练集图像包括景深图像和雾图像；根据所述真实训练集图像得到第一图像对并将其输入融合自注意力和卷积混合模块的模型得到第一特征点概率图；通过自监督的方式同时提取图像特征点和描述子，将3DCC变换应用于训练阶段，通过模拟现实世界中计算机视觉模型将遇到的自然分布变化进行离线数据增强，提高了模型的健壮性；使用融合了自注意力和卷积混合模块的SP‑AC模型推理真实训练集的伪标签,增强了伪标签的质量，从而提高了模型特征提取的质量且保持计算成本不变。