一种基于可分辨特征的半监督物体检测系统及其训练方法

    公开(公告)号:CN115797621A

    公开(公告)日:2023-03-14

    申请号:CN202211422460.4

    申请日:2022-11-14

    Applicant: 海南大学

    Abstract: 本发明涉及机器视觉的中的目标检测领域,具体涉及一种基于可分辨特征的半监督物体检测系统及其训练方法,系统包括:输入图像特征提取模块、可分辨特征敏感的区域建议模块、可分辨特征提取与存储模块、可分辨特征的数据增强模块和物体识别与定位模块;所述训练方法包括:步骤1:确定目标检测网络,并搭建如上所述的系统;步骤2:收集应用场景数据集,所述应用场景数据集包括有标签数据和无标签数据;步骤3:使用所述应用场景数据集对系统进行训练;步骤4:迭代前一步骤,直到训练的系统模型达到理想物体检测效果。通过本发明,提高模型对数据的利用能力,有效解决半监督学习中过分依赖有标签数据而对无标签数据利用不足的问题。

    一种端到端的基于transformer的弱监督语义分割方法

    公开(公告)号:CN117495892A

    公开(公告)日:2024-02-02

    申请号:CN202311460231.6

    申请日:2023-11-03

    Applicant: 海南大学

    Abstract: 本发明涉及一种端到端的基于transformer的弱监督语义分割方法,将图像输入预先构建并训练好的语义分割网络中,生成分割结果图;该语义分割网络包括:特征编码模块:将输入图像处理为具有空间权重参数的特征图,包括MixTransformer主干编码网络,类激活图CAM生成子模块,PAR后处理子模块,伪掩膜生成子模块,以及语义亲和信息提取子模块;注意力信息提取模块:将transformer编码器中的自注意力模块输出的注意力图经过FFN网络后生成交叉注意力图和patch注意力图。本发明能够提高分割网络全局特征的提取能力,增加语义分割精度,同时端到端的网络能够减少多阶段训练的复杂性。

    一种基于PPO-PSO的无人水面艇全局路径规划方法

    公开(公告)号:CN116954219A

    公开(公告)日:2023-10-27

    申请号:CN202310778262.X

    申请日:2023-06-28

    Applicant: 海南大学

    Abstract: 本发明涉及一种基于PPO‑PSO的无人水面艇全局路径规划方法,包括以下步骤:S1、利用改进的PSO算法对无人艇巡逻路径进行规划,其中,在改进的PSO算法的速度函数中引入惯性权重,对粒子的搜索方向和搜索速度加以控制;S2、引入PPO算法对改进的PSO算法的惯性权重进行优化;S3、基于PPO算法确定的最优惯性权重,利用改进的PSO算法输出无人艇海上巡逻的最优全局规划路径。与现有技术相比,本发明具有收敛速度较快、搜索精度较高、算法更稳定、不容易陷入局部最优以及提高路径平滑性和行驶安全性等优点。

Patent Agency Ranking