-
公开(公告)号：CN116310667A
公开(公告)日：2023-06-23
申请号：CN202310542990.0
申请日：2023-05-15
Applicant: 鹏城实验室
IPC: G06V10/778 , G06V10/774 , G06V10/40
Abstract: 本申请实施例提供了联合对比损失和重建损失的自监督视觉表征学习方法及装置、存储介质，通过深度编码教师网络和深度编码学生网络根据原始输入图像构建蒸馏损失，以学习具有判别特性的特征；在深度编码学生网络的输出特征之上，添加解码网络用于重建原始输入图像，并构建了重建损失，以学习具有复原特性的特征；深度编码教师网络使用最后一层原始特征的自注意力图，计算自适应权重以调整蒸馏损失与重建损失的作用。本申请实施例中，通过构建蒸馏损失和重建损失以实现对于两种类型损失的联合优化，使得在相同的训练代价下所训练得到的深度编码教师网络和深度编码学生网络兼具良好判别能力和信息表征能力，有利于提高图像表征的全面性和泛化性。
-
公开(公告)号：CN112487961B
公开(公告)日：2025-02-07
申请号：CN202011364426.7
申请日：2020-11-27
Applicant: 鹏城实验室
IPC: G06V20/54 , G06V20/40 , G06V10/26 , G06V10/766 , G06V10/774 , G06V10/82 , G06N3/0499 , G06N3/084 , G06N3/0895 , G06N3/096 , G06N3/0985
Abstract: 本发明公开了一种交通事故检测方法、存储介质及设备，方法包括步骤：对筛选的交通数据进行预处理，构建交通事故数据集；将所述交通事故数据集中的每个原始视频样本视为一个包，对每个包进行空时域分割，得到与每个包对应的若干实例；根据所述交通事故数据集的弱标签属性构建事故检测模型，并基于所述每个包对应的若干实例对所述事故检测模型进行训练，得到训练后事故检测模型；根据所述训练后事故检测模型对测试视频进行端到端的交通事故检测。本发明提供的方法可有效提高交通事故检测率，降低误报率。
-
公开(公告)号：CN116310667B
公开(公告)日：2023-08-22
申请号：CN202310542990.0
申请日：2023-05-15
Applicant: 鹏城实验室
IPC: G06V10/778 , G06V10/774 , G06V10/40
Abstract: 本申请实施例提供了联合对比损失和重建损失的自监督视觉表征学习方法及装置、存储介质，通过深度编码教师网络和深度编码学生网络根据原始输入图像构建蒸馏损失，以学习具有判别特性的特征；在深度编码学生网络的输出特征之上，添加解码网络用于重建原始输入图像，并构建了重建损失，以学习具有复原特性的特征；深度编码教师网络使用最后一层原始特征的自注意力图，计算自适应权重以调整蒸馏损失与重建损失的作用。本申请实施例中，通过构建蒸馏损失和重建损失以实现对于两种类型损失的联合优化，使得在相同的训练代价下所训练得到的深度编码教师网络和深度编码学生网络兼具良好判别能力和信息表征能力，有利于提高图像表征的全面性和泛化性。
-
公开(公告)号：CN112487961A
公开(公告)日：2021-03-12
申请号：CN202011364426.7
申请日：2020-11-27
Applicant: 鹏城实验室
Abstract: 本发明公开了一种交通事故检测方法、存储介质及设备，方法包括步骤：对筛选的交通数据进行预处理，构建交通事故数据集；将所述交通事故数据集中的每个原始视频样本视为一个包，对每个包进行空时域分割，得到与每个包对应的若干实例；根据所述交通事故数据集的弱标签属性构建事故检测模型，并基于所述每个包对应的若干实例对所述事故检测模型进行训练，得到训练后事故检测模型；根据所述训练后事故检测模型对测试视频进行端到端的交通事故检测。本发明提供的方法可有效提高交通事故检测率，降低误报率。
-
-
-
Search Results
4
records
(took 0.015 seconds)
