一种基于对比学习及YOLO-v5的目标检测模型改进装置及方法

    公开(公告)号:CN116229137A

    公开(公告)日:2023-06-06

    申请号:CN202211562822.X

    申请日:2022-12-07

    Abstract: 本发明公开了一种基于对比学习及YOLO‑v5的目标检测模型改进装置及方法,涉及计算机视觉技术领域,其技术方案要点是:包括YOLO‑v5网络结构与对比学习网络结构;对比学习网络结构用于计算并输出正、负样本图片之间的对比损失;YOLO‑v5网络结构通过卷积运算提取图像特征,在输出端生成预测框并设置非极大值抑制运算,保留预测框进行目标损失函数计算;计算出来的目标损失与对比学习网络的对比损失进行加权求和计算最终损失值,将最终损失值反向传回给YOLO‑v5网络进行参数更新。网络训练中加入了对比学习的思想,因此使训练出来的模型对于识别目标与背景差异更加明显,有效地提高了目标检测模型的检测精度。

    基于对比学习的图像去光照模型及其训练方法

    公开(公告)号:CN116071268B

    公开(公告)日:2023-06-23

    申请号:CN202310182294.3

    申请日:2023-03-01

    Abstract: 本发明公开了一种基于对比学习的图像去光照模型及其训练方法,属于图像处理技术领域。所述训练方法包括:基于对比学习损失函数,以对比学习的方式训练编码器;构建整体网络,并基于L1损失函数和频率损失函数对整体网络进行训练得到图像去光照装置;其中,所述整体网络包括特征提取网络和图像重建网络,所述特征提取网络由所述编码器构成,所述特征提取网络用于提取待去光照图像的图像特征,所述图像重建网络用于根据所述图像特征生成卷积内核、以及根据所述卷积内核重建图像。本发明将对比学习思想和频率损失函数应用于图像去光照领域,在保留正常图像频率的同时滤除无用的噪声。

    基于对比学习的图像去光照模型及其训练方法

    公开(公告)号:CN116071268A

    公开(公告)日:2023-05-05

    申请号:CN202310182294.3

    申请日:2023-03-01

    Abstract: 本发明公开了一种基于对比学习的图像去光照模型及其训练方法,属于图像处理技术领域。所述训练方法包括:基于对比学习损失函数,以对比学习的方式训练编码器;构建整体网络,并基于L1损失函数和频率损失函数对整体网络进行训练得到图像去光照装置;其中,所述整体网络包括特征提取网络和图像重建网络,所述特征提取网络由所述编码器构成,所述特征提取网络用于提取待去光照图像的图像特征,所述图像重建网络用于根据所述图像特征生成卷积内核、以及根据所述卷积内核重建图像。本发明将对比学习思想和频率损失函数应用于图像去光照领域,在保留正常图像频率的同时滤除无用的噪声。

Patent Agency Ranking