公开(公告)号：CN116958743A

公开(公告)日：2023-10-27

申请号：CN202310832461.4

申请日：2023-07-07

Applicant: 复旦大学

Inventor： 周水庚 ,  张莹露 ,  张晨博 ,  张路 ,  关昊 ,  赵佳佳

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/40 ,  G06V10/80 ,  G06V10/25 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明属于深度学习中的目标检测技术领域，具体为一种长尾数据场景下的目标检测方法及装置。本发明目标检测方法包括：构建长尾目标检测数据集；在模型训练过程中维护特征缓存模块，为进行目标级别的精确上采样提供数据源基础；利用检测器分类头权重向量的二范数与类别下样本量的正相关关系，设计分布感知的动态上采样策略；利用类别间的相似语义关系，构建多类协同数据增强模块；设计双向调节损失函数，从正负两个方向调节梯度影响；对模型进行整体优化训练，并进行有效性验证。本发明能弥补现有的长尾数据场景下的目标检测方法在处理尾部类别时的不足和技术限制，有效地提高目标检测准确率，尤其是对极具挑战性的尾部类别目标的检测精度。

公开(公告)号：CN116958742A

公开(公告)日：2023-10-27

申请号：CN202310832460.X

申请日：2023-07-07

Applicant: 复旦大学

Inventor： 周水庚 ,  张晨博 ,  张莹露 ,  张路 ,  关昊 ,  赵佳佳

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/082 ,  G06N3/0495 ,  G06N3/0455 ,  G06N3/0895 ,  G06V10/25

Abstract: 本发明属于机器学习技术领域，具体为一种基于定位预训练与渐进式优化策略的弱监督小样本目标检测方法与系统。本发明将弱监督学习机制引入到小样本深度目标检测框架，建立了一套准确率高的弱监督小样本目标检测系统。本发明方法框架简单、使用方便、可扩展性强、可解释性强，并在两个主流视觉属性数据集的弱监督小样本目标检测的结果上，都超过了现有方法。本发明能够为目标检测技术在军事和工业应用领域，提供基础框架和算法的支持，也能很容易地扩展到其他小样本学习任务上。