公开(公告)号：CN118762183A

公开(公告)日：2024-10-11

申请号：CN202410910738.5

申请日：2024-07-08

Applicant: 福州大学

Inventor： 陈丹 ,  令陈佩 ,  孙栋栋 ,  潘慧琳 ,  陈文浩

IPC: G06V10/26 ,  G06N3/0464 ,  G06V10/82 ,  G06V10/40 ,  G06V10/766 ,  G06V10/25 ,  G06V10/764 ,  G06N3/084

Abstract: 本发明提供一种基于改进Mask R‑CNN的遮挡目标分割方法，以Mask R‑CNN为深度神经网络框架，首先，改进特征提取网络，得到更加丰富的图片特征信息，提高网络检测的精确度；其次，改进边界框回归损失函数，保证目标检测结果的准确度；最后，改进非极大值抑制算法，减少候选框被错误抑制的可能，减少漏检的情况发生。本发明可以通过不断对网络进行学习训练，有效地检测出图片中的遮挡目标，并且为每一个目标生成一个高质量的实例分割掩码，具有很高的工程应用价值。

公开(公告)号：CN118691924A

公开(公告)日：2024-09-24

申请号：CN202410695185.6

申请日：2024-05-31

Applicant: 福州大学

Inventor： 陈丹 ,  潘慧琳 ,  令陈佩

IPC: G06V10/774 ,  G06V10/80 ,  G06V10/26 ,  G06T5/50

Abstract: 本发明提出一种基于指定遮挡率生成遮挡数据集的方法，所述方法通过图像随机融合来生成特定目标的遮挡数据集及标签，以减少人工采集图像成本；所述遮挡数据集包括训练所需的遮挡图像，在数据采集时，所述方法通过指定遮挡图像的遮挡率和旋转角来生成包含不同场景的遮挡数据集，以减少因遮挡率分布不平衡而导致的过拟合和训练方向单一的情况概率；本发明可以采用图像融合方式在线生成图像来减小人工成本，并保证图像融合均衡性，减少了因遮挡率分布不平衡而导致的过拟合和训练方向单一的情况。