半监督RGB-D图像镜面检测方法、存储介质及计算机设备

    公开(公告)号:CN117237343B

    公开(公告)日:2024-01-30

    申请号:CN202311498290.2

    申请日:2023-11-13

    Applicant: 安徽大学

    Abstract: 本发明公开了一种半监督RGB‑D图像镜面检测方法,包括以下步骤:S1、有标签图像预热三分支学生网络,学生网络提取RGB图像特征和Depth图像特征,融合形成融合特征;S2、将融合特征、RGB图像特征和Depth图像特征送入三分支解码,获得预测图并利用真值监督;S3、利用教师网络获得无标签图像的伪标签;S4、无标签图像与有标签图像混合获得混合图像;S5、混合图像与有标签图像送入学生网络进行训练;S6、将上述训练得到的最优参数加载进模型,将RGB‑D镜面检测数据集送入模型,得到对应图像的预测结果图,完成RGB‑D图像的镜面检测。本发明减少了(56)对比文件CN 113298154 A,2021.08.24刘政怡 等.基于多模态特征融合监督的RGB-D图像显著性检测《.电子与信息学报》.2020,第42卷(第4期),997-1004.Zhengyi Liu et al..Scribble-Supervised RGB-T Salient ObjectDetection《.https://arxiv.org/abs/2303.09733》.2023,全文.Vasilis Kontonis et al..SLaM:Student-Label Mixing for Semi-SupervisedKnowledge Distillation《.https://arxiv.org/abs/2302.03806v1》.2023,全文.

    半监督RGB-D图像镜面检测方法、存储介质及计算机设备

    公开(公告)号:CN117237343A

    公开(公告)日:2023-12-15

    申请号:CN202311498290.2

    申请日:2023-11-13

    Applicant: 安徽大学

    Abstract: 本发明公开了一种半监督RGB‑D图像镜面检测方法,包括以下步骤:S1、有标签图像预热三分支学生网络,学生网络提取RGB图像特征和Depth图像特征,融合形成融合特征;S2、将融合特征、RGB图像特征和Depth图像特征送入三分支解码,获得预测图并利用真值监督;S3、利用教师网络获得无标签图像的伪标签;S4、无标签图像与有标签图像混合获得混合图像;S5、混合图像与有标签图像送入学生网络进行训练;S6、将上述训练得到的最优参数加载进模型,将RGB‑D镜面检测数据集送入模型,得到对应图像的预测结果图,完成RGB‑D图像的镜面检测。本发明减少了RGB‑D图像镜面检测对像素级图像标注的依赖,减少了数据集标注所需要的人工成本与时间成本。

    面向Transformer的多尺度特征增强模块

    公开(公告)号:CN115359331A

    公开(公告)日:2022-11-18

    申请号:CN202211050886.1

    申请日:2022-08-29

    Applicant: 安徽大学

    Abstract: 本发明公开了一种面向Transformer的多尺度特征增强模块,包括以下步骤:基于原始的特征块序列构造一条Transformer路径;对原始的特征块序列进行不同级别的块合并,构造多条带残差的Transformer路径;对所述S1和S2产生的结果进行级联,降维,产生增强的特征块序列;所述模块通过不同级别的块合并,形成不同尺度的块序列,由多条Transformer路径增强特征感知尺度的能力。

Patent Agency Ranking