-
公开(公告)号：CN112418165B
公开(公告)日：2023-04-07
申请号：CN202011430913.9
申请日：2020-12-07
Applicant: 武汉工程大学
Abstract: 本发明公开了一种基于改进型级联神经网络的小尺寸目标检测方法，其步骤为读入待测图像；通过预处理增强待测图像，获得增强图像；所述预处理包括尺寸填充、尺寸缩放、随机翻转、灰度值正则化；基于高分辨率表示网络根据增强图像生成由高分辨率到低分辨率若干个特征图组成的多分辨率特征图F1；基于半稠密特征金字塔对F1在各个分辨率上进行特征融合后组合得到增强后的特征图F2；使用后卷积Pi对F2中的层级i进行异化，得到异化特征图F3,i；对于每一个分辨率层级i，基于特征选择免锚框目标检测头根据F3,i生成该层级的检测结果；将检测结果汇总，通过去除重叠的算法筛选检测结果，输出最终检测结果。本发明能够提升卷积网络对小尺寸目标的表征表达性能。
-
公开(公告)号：CN112418165A
公开(公告)日：2021-02-26
申请号：CN202011430913.9
申请日：2020-12-07
Applicant: 武汉工程大学
Abstract: 本发明公开了一种基于改进型级联神经网络的小尺寸目标检测方法，其步骤为读入待测图像；通过预处理增强待测图像，获得增强图像；所述预处理包括尺寸填充、尺寸缩放、随机翻转、灰度值正则化；基于高分辨率表示网络根据增强图像生成由高分辨率到低分辨率若干个特征图组成的多分辨率特征图F1；基于半稠密特征金字塔对F1在各个分辨率上进行特征融合后组合得到增强后的特征图F2；使用后卷积Pi对F2中的层级i进行异化，得到异化特征图F3,i；对于每一个分辨率层级i，基于特征选择免锚框目标检测头根据F3,i生成该层级的检测结果；将检测结果汇总，通过去除重叠的算法筛选检测结果，输出最终检测结果。本发明能够提升卷积网络对小尺寸目标的表征表达性能。
-
公开(公告)号：CN112819090B
公开(公告)日：2022-05-10
申请号：CN202110197819.1
申请日：2021-02-22
Applicant: 武汉工程大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于生成对抗网络的知识蒸馏数据增强方法与系统，通过易操作的数据增强方式，提高了卷积网络对工业数据集的定位能力和识别准确率。本发明结合了生成对抗网络高效拟合样本数据分布和知识蒸馏中对神经网络模型容错率改善的算法，实现了在生成增强样本时不引入非信息噪声、提高了模型对错误标签的鲁棒性。本发明降低了工业数据集正负样本标注错误而产生的对模型的误导，提升了工业数据集在语义分割任务上的表征表达性能，提高了模型在特征粒度区分小的情况下对样本特征的学习能力，在汽车零部件检测与制造、铁路零部件定位等应用中发挥了重要的作用。
-
公开(公告)号：CN112819090A
公开(公告)日：2021-05-18
申请号：CN202110197819.1
申请日：2021-02-22
Applicant: 武汉工程大学
Abstract: 本发明提供了一种基于生成对抗网络的知识蒸馏数据增强方法与系统，通过易操作的数据增强方式，提高了卷积网络对工业数据集的定位能力和识别准确率。本发明结合了生成对抗网络高效拟合样本数据分布和知识蒸馏中对神经网络模型容错率改善的算法，实现了在生成增强样本时不引入非信息噪声、提高了模型对错误标签的鲁棒性。本发明降低了工业数据集正负样本标注错误而产生的对模型的误导，提升了工业数据集在语义分割任务上的表征表达性能，提高了模型在特征粒度区分小的情况下对样本特征的学习能力，在汽车零部件检测与制造、铁路零部件定位等应用中发挥了重要的作用。
-
-
-
Search Results
4
records
(took 0.015 seconds)
