-
Patent Agency Ranking
公开(公告)号：CN113221826B
公开(公告)日：2023-05-02
申请号：CN202110600086.1
申请日：2021-05-31
Applicant: 浙江工商大学
IPC: G06V20/56 , G06V10/762 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于自监督学习显著性估计像素嵌入的道路检测方法，该方法首先构建道路检测模型，道路检测模型由用于生成目标初始掩码的显著性估计模块、进一步改善道路分割掩码的像素嵌入学习模块复合而成；本发明方法基于图像级损失、应用全连接的条件随机场的空域一致性更新掩码预测图，利用时域融合结果更新监督信息用于迭代训练全卷积网络，使用结构感知的四元损失函数，使得属于同一类别像素间的嵌入空间距离小于属于不同类别像素间的嵌入空间距离。本发明方法能够灵活扩展自监督方法到复杂的交通场景中，并能够有效提高无像素级标注情况下的道路检测的准确率。
-
公开(公告)号：CN113159120A
公开(公告)日：2021-07-23
申请号：CN202110275640.3
申请日：2021-03-15
Applicant: 浙江工商大学
Abstract: 本发明公开了一种基于多尺度跨图像弱监督学习的违禁物检测方法，该方法首先构建违禁物检测模型，所述违禁物检测模型由用于图像多尺度特征提取与融合的特征交互模型、学习目标语义信息的跨图像弱监督语义分析模型以及分割掩码辅助检测模型复合而成；本发明方法通过编码器提取多尺度特征、持续特征交互强化深层语义信息，残差学习网络整合上下文信息，使用联合注意力机制学习跨图像相似性矩阵，运用解码器结构获得高层次语义分割掩码辅助检测，获得最终检测结果。本发明方法能够有效提高物品严重遮挡、高度重叠情况下的违禁物检测的准确率。
-
公开(公告)号：CN109190537B
公开(公告)日：2020-09-29
申请号：CN201810968949.9
申请日：2018-08-23
Applicant: 浙江工商大学
Abstract: 本发明公开了一种基于掩码感知深度强化学习的多人物姿态估计方法，该方法首先构建多人物姿态估计模型，所述多人物姿态估计模型由获取检测框和掩码的检测网络、提高定位准确性的深度强化学习网络和单人姿态估计网络三个子网络组成；然后利用训练样本对多人物姿态估计模型进行训练；测试时将待检测图像输入训练好的多人物姿态估计模型中，得到待检测图像所有检测框中的人物姿态。本发明方法将掩码信息引入深度强化学习网络与单人姿态估计网络，改善了这两个阶段的效果，并引用残差结构解决了梯度消失和梯度爆炸问题。本发明方法与其他先进的多人物姿态估计方法相比更具有竞争力。
-
公开(公告)号：CN107844743A
公开(公告)日：2018-03-27
申请号：CN201710896059.7
申请日：2017-09-28
Applicant: 浙江工商大学
Abstract: 本发明公开了一种基于多尺度分层残差网络的图像多字幕自动生成方法，该方法应用了改进的漏斗网络捕捉多尺度目标信息。首先在构建漏斗框架网络时提出了一种密集连接聚合残差块，为了解决梯度消失和梯度爆炸问题，进一步提出了残差LSTM。该方法取得了较高的实验性能，在多字幕获取任务上有明显优势。
-
公开(公告)号：CN106599827A
公开(公告)日：2017-04-26
申请号：CN201611129536.9
申请日：2016-12-09
Applicant: 浙江工商大学
CPC classification number: G06K9/00798 , G06K9/00805 , G06K9/00818 , G06N3/02
Abstract: 本发明公开了一种基于深度卷积神经网络的小目标快速检测方法，该方法对深度卷积神经网络通过以下方法进行改进：选择VGG16网络最后一个共享卷积层的卷积特征图上滑动窗口作为候选框，且采用半像素精度滑动窗；删除地五池化层，保留其他卷积层和池化层；增加一个卷积核为3x3的卷积层；用两个卷积核为1x1卷积层替代网络中所有的全连接层，得到本发明采用的网络，利用采集的数据训练该网络，得到小目标分类模型，并利用该模型进行小目标检测。该方法能够降低计算复杂度，提高小目标的检出率。
-
-
-
-
Search Results
35
records
(took 0.02 seconds)
