-
公开(公告)号：CN115359074B
公开(公告)日：2023-03-28
申请号：CN202211284399.1
申请日：2022-10-20
Applicant: 之江实验室
IPC: G06T7/11 , G06T7/136 , G06V10/26 , G06V10/40 , G06V10/74 , G06V10/762 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/048 , G06N3/088
Abstract: 本发明公开了基于超体素聚类及原型优化的图像分割、训练方法及装置，使用训练数据进行无监督超体素聚类；基于超体素聚类结果构造基于伪标签的元学习训练数据集；采用元学习训练数据集构造基于原型优化的小样本医疗图像分割网络；将测试类的有标签训练图片输入上述小样本图像分割网络，提取相应的图片特征，根据图片所对应的真实分割掩码，计算该类别的类原型向量；将测试类的测试图片输入上述网络提取特征，计算测试图片特征与类原型向量之间的余弦相似度，并基于相似度对原型进行优化；计算图片特征与优化后的原型向量之间的余弦相似度，并对余弦相似度进行归一化处理，将相似度大于分类阈值的位置，预测为前景所在位置，得到最终的分割结果。
-
公开(公告)号：CN112749738A
公开(公告)日：2021-05-04
申请号：CN202011618077.7
申请日：2020-12-30
Applicant: 之江实验室
Abstract: 本发明公开了一种融合上下文进行超类推理的零样本对象检测方法，该方法可用于在缺失有标签训练图片的情况下，定位并识别以往从未见过的全新的对象。首先使用对象检测网络预测输入图片中可能存在的对象框，其次基于对象框的视觉特征定位对象位置，并使用标签语义向量预测特定的对象类别，同时采用多层空洞卷积提取候选对象框的上下文信息，并使用抽取的上下文信息预测相应的超类，最后将预测的特定类别与超类进行融合，达到最终的识别结果。该发明实现方法简便、灵活，可以显著改善未见类对象的检测性能。
-
公开(公告)号：CN116977810B
公开(公告)日：2024-01-09
申请号：CN202311236786.2
申请日：2023-09-25
Applicant: 之江实验室
IPC: G06V10/80 , G06V20/64 , G06V10/74 , G06V10/774
Abstract: 本申请涉及一种多模态后融合的长尾类别检测方法和系统。所述方法包括：利用第一目标检测模型检测当前场景的点云数据，得到第一目标检测结果；利用第二目标检测模型检测当前场景的图像数据，得到第二目标检测结果；将第一目标检测结果中的三维检测框投影到图像数据的坐标系中，与第二目标检测结果中的二维检测框进行配对；若配对结果中长尾类别的上级类别相匹配，则将两者的置信度进行融合，并更新配对结果；基于点云数据的三维检测框、第三置信度以及图像数据的第二长尾类别，确定更新后的配对结果的长尾类别检测结果。通过本方法能够实现多模态的长尾类别检测，通过轻量级模型，提高长尾类别的检测效率和检测结果的输出精度。(56)对比文件王希;陈晓波;习俊通.人体散乱点云数据的区域分割算法.机械设计与研究.2020,(第01期),全文.杨健程;倪冰冰.医学3D计算机视觉:研究进展和挑战.中国图象图形学报.2020,(第10期),全文.汤鹏杰;王瀚漓;许恺晟.LSTM逐层多目标优化及多层概率融合的图像描述.自动化学报.2017,(第07期),全文.曹诗雨;刘跃虎;李辛昭.基于Fast R-CNN的车辆目标检测.中国图象图形学报.2017,(第05期),全文.
-
公开(公告)号：CN113869462A
公开(公告)日：2021-12-31
申请号：CN202111456162.2
申请日：2021-12-02
Applicant: 之江实验室
Abstract: 本发明涉及计算机视觉领域，尤其涉及一种基于双路结构对比嵌入学习的小样本对象分类方法，包括以下步骤：步骤一：使用基础类的大规模有标签数据构造双路结构对比嵌入网络；步骤二：将全新类的少量有标签图片依次输入所述双路结构对比嵌入网络，提取相应的图片特征，计算每个类别中所有图片特征的均值作为该类别的原型；步骤三：将测试图片输入双路结构对比嵌入网络提取图片特征，计算测试图片特征与所有类别的原型之间的余弦相似度，并对余弦相似度进行归一化处理，选取具有相似度最大值的对象类别作为测试图片的最终预测结果。本发明方法简便、灵活，可以提高特征嵌入学习网络的泛化能力，从而提高模型的训练速度并改善全新类对象的分类性能。
-
-
-
Search Results
14
records
(took 0.032 seconds)
