-
公开(公告)号:CN111260662B
公开(公告)日:2023-05-26
申请号:CN202010045961.X
申请日:2020-01-16
Applicant: 南开大学
IPC: G06T7/11 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 超小参数量的分割模型的实现方法,属于计算机视觉技术领域。本发明利用可同时处理多种尺寸特征图的卷积构建超轻量级的神经网络主干结构,能够在提取多尺度特征信息的同时减少计算量;提出一种特征融合模块将来源于主干网络结构中不同阶段的特征进行融合,以较小的计算成本充分提取不同尺度的特征信息,从而输出具有高分辨率的高质量图像分割结果。为进一步压缩网络参数量,本发明提出一种动态权重衰减辅助的神经网络训练策略,在训练过程中依照当前输入图像产生的特征对不同参数进行不同程度的稀疏化约束;通过剔除训练完成模型中数值为零的参数,可以在保持性能不变的情况下压缩轻量级模型的参数量,从而获取一个具有极低参数量的分割模型。
-
公开(公告)号:CN114782262A
公开(公告)日:2022-07-22
申请号:CN202210316920.9
申请日:2022-03-29
Applicant: 南开大学
Abstract: 本发明属于计算机视觉技术领域,提供了一种基于光流引导的端到端视频补全方法及系。该方法包括,获取待处理的视频;将所述待处理的视频切分为局部邻域视频帧与非局部参考视频帧;通过编码器将局部邻域视频帧和非局部参考视频帧转化为局部邻域特征和非局部参考特征;基于所述局部邻域视频帧,采用光流补全模块进行端到端地帧间光流估计及补全,得到补全后的双向光流;基于局部邻域特征和补全后的双向光流,采用特征传播模块进行基于光流引导的局部信息补充,得到补充后的局部邻域特征;基于所述非局部参考特征和补充后的局部邻域特征,得到补全后的视频。
-
公开(公告)号:CN111260662A
公开(公告)日:2020-06-09
申请号:CN202010045961.X
申请日:2020-01-16
Applicant: 南开大学
Abstract: 超小参数量的分割模型的实现方法,属于计算机视觉技术领域。本发明利用可同时处理多种尺寸特征图的卷积构建超轻量级的神经网络主干结构,能够在提取多尺度特征信息的同时减少计算量;提出一种特征融合模块将来源于主干网络结构中不同阶段的特征进行融合,以较小的计算成本充分提取不同尺度的特征信息,从而输出具有高分辨率的高质量图像分割结果。为进一步压缩网络参数量,本发明提出一种动态权重衰减辅助的神经网络训练策略,在训练过程中依照当前输入图像产生的特征对不同参数进行不同程度的稀疏化约束;通过剔除训练完成模型中数值为零的参数,可以在保持性能不变的情况下压缩轻量级模型的参数量,从而获取一个具有极低参数量的分割模型。
-
-