公开(公告)号：CN114581777A

公开(公告)日：2022-06-03

申请号：CN202210219195.3

申请日：2022-03-08

Applicant: 中南大学

Inventor： 李海峰 ,  陈叶 ,  李建军

IPC: G06V20/10 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种次序感知的遥感图像实例增量检测方法，获取遥感图像实例；根据是否有真实标签，设计次序分数计算函数分别评估目标检测模型的推断结果的不确定度和不准确度，衡量新增实例内的增量学习价值和历史实例内的增量学习价值；在对目标检测模型微调的同时使用基于次序分数加权训练损失，来平衡价值差异的训练数据的贡献。本发明能不断学习价值不一的流式数据，全面关注数据差异；自适应地对新增实例和历史实例进行排序，为模型的训练提供统一的样本加权方向。

公开(公告)号：CN114581777B

公开(公告)日：2025-01-17

申请号：CN202210219195.3

申请日：2022-03-08

Applicant: 中南大学

Inventor： 李海峰 ,  陈叶 ,  李建军

IPC: G06V20/10 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种次序感知的遥感图像实例增量检测方法，获取遥感图像实例；根据是否有真实标签，设计次序分数计算函数分别评估目标检测模型的推断结果的不确定度和不准确度，衡量新增实例内的增量学习价值和历史实例内的增量学习价值；在对目标检测模型微调的同时使用基于次序分数加权训练损失，来平衡价值差异的训练数据的贡献。本发明能不断学习价值不一的流式数据，全面关注数据差异；自适应地对新增实例和历史实例进行排序，为模型的训练提供统一的样本加权方向。