公开(公告)号：CN116342971A

公开(公告)日：2023-06-27

申请号：CN202310174614.0

申请日：2023-02-16

Applicant: 之江实验室 ,  华中科技大学

Inventor： 李特 ,  顾建军 ,  吴连俊 ,  王兴刚

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种基于稀疏标注数据集的新型目标检测系统，教师检测器在训练期间不回传梯度，而仅在每次训练迭代结束时通过指数滑动平均方式更新参数，由指数滑动平均更新的教师检测器是双输入端口的副教师检测器的平滑版本；教师检测器输入图像是原始图像，即原始图像被馈送到教师检测器以生成教师伪标签集，弱增强和强增强图像被馈送到两个输入端口的副教师检测器以生成原始伪标签集；每个原始伪标签集由教师检测器的输出的伪标签集联合稀疏标注框进行修正和整合，最后用修正整合完的标注框对副教师检测器的预测输出进行监督。本发明还公开了相应的基于稀疏标注数据集的新型目标检测方法。

公开(公告)号：CN118918311A

公开(公告)日：2024-11-08

申请号：CN202410933365.3

申请日：2024-07-12

Applicant: 华中科技大学

Inventor： 王兴刚 ,  徐子扬 ,  吴连俊 ,  郭嘉豪 ,  刘文予

IPC: G06V10/25 ,  G06V20/40 ,  G06V20/70 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084 ,  G06V10/80 ,  G06N3/045

Abstract: 本发明涉及计算机视觉技术领域，提供了一种基于仿生记忆链解决目标遮挡的端到端视频目标检测方法。方法包括：对原始视频数据集中所有图像的感兴趣类别的目标进行实例级别的标注，得到带标注的标准训练数据集；定义基于仿生记忆链和遮挡目标实例监督的端到端视频目标检测算法模型；根据所述带标注的标准训练数据集，利用反向传播和梯度下降算法训练模型；利用训练好的模型对待检测视频进行视频目标检测。本发明更高效的融合包括当前帧与所有历史帧在内的时序特征，并且进行端到端的训练，训练速度较快，还可表征所有历史帧信息，并根据历史帧与当前帧的相关性和时间接近度来自适应地加权记忆，对被遮挡的目标具有强鲁棒性。