-
公开(公告)号：CN114462559B
公开(公告)日：2022-07-15
申请号：CN202210387877.5
申请日：2022-04-14
Applicant: 中国科学技术大学
IPC: G06K9/62 , G06V10/764 , G06V10/774 , G06V10/74
Abstract: 本发明提供了一种目标定位模型训练方法、目标定位方法及装置，可以应用于人工智能技术领域。该目标定位模型训练方法包括：获取样本数据集；将每个图像样本输入初始模型的像素特征提取层，输出图像数据中每一个像素点的像素特征；将第一特征数据和第二特征数据输入初始模型的激活图生成层，输出前景激活图和背景激活图；将第三特征数据和第四特征数据分别输入初始模型的感知特征提取层，输出前景感知特征和背景感知特征；将第五特征数据和第六特征数据分别输入初始模型的分类层，输出分类结果；以及根据分类结果和图像类别标签调整初始模型的模型参数，得到训练完成的目标定位模型。
-
Patent Agency Ranking
公开(公告)号：CN113158740A
公开(公告)日：2021-07-23
申请号：CN202110124202.7
申请日：2021-01-28
Applicant: 中国科学技术大学
Abstract: 本公开提供一种基于记忆机制前景感知建模的弱监督物体定位装置，包括：特征提取模块，用于对输入图像进行特征提取形成特征图；前景感知模块，用于对所述特征图内各特征进行分类，得到前景激活图；以及目标定位模块，用于对所述前景激活图进行双线性插值得到类别激活图，然后对该类别激活图设置合理的阈值，找到能够覆盖响应区域的最大邻接矩形，完成最终定位。本公开还提供了一种基于记忆机制前景感知建模的弱监督物体定位方法。
-
公开(公告)号：CN112818832A
公开(公告)日：2021-05-18
申请号：CN202110124291.5
申请日：2021-01-28
Applicant: 中国科学技术大学
Abstract: 本公开提供一种基于部件感知的弱监督物体定位装置，包括：特征提取模块，用于对输入图像进行特征提取形成特征图；多个部件感知模块，每一个部件感知模块用于捕捉所述特征图的目标的一个部件得到其注意力图，从而获得多个部件的注意力图；部件多样性建模模块，用于根据所述特征图与所述多个部件的注意力图，将其结合转化为多个部件特征；部件重要性建模模块，用于根据所述多个部件特征得到中各部件特征的重要性权重；以及目标定位模块，用于根据所述多个部件的注意力图与所述各部件特征的重要性权重，得到和原图大小一致的激活图，能够对所述激活图设置设定阈值，找到能够覆盖响应区域的最大邻接矩形完成最终定位。
-
公开(公告)号：CN113158740B
公开(公告)日：2022-09-09
申请号：CN202110124202.7
申请日：2021-01-28
Applicant: 中国科学技术大学
Abstract: 本公开提供一种基于记忆机制前景感知建模的弱监督物体定位装置，包括：特征提取模块，用于对输入图像进行特征提取形成特征图；前景感知模块，用于对所述特征图内各特征进行分类，得到前景激活图；以及目标定位模块，用于对所述前景激活图进行双线性插值得到类别激活图，然后对该类别激活图设置合理的阈值，找到能够覆盖响应区域的最大邻接矩形，完成最终定位。本公开还提供了一种基于记忆机制前景感知建模的弱监督物体定位方法。
-
公开(公告)号：CN112818832B
公开(公告)日：2022-09-09
申请号：CN202110124291.5
申请日：2021-01-28
Applicant: 中国科学技术大学
Abstract: 本公开提供一种基于部件感知的弱监督物体定位装置，包括：特征提取模块，用于对输入图像进行特征提取形成特征图；多个部件感知模块，每一个部件感知模块用于捕捉所述特征图的目标的一个部件得到其注意力图，从而获得多个部件的注意力图；部件多样性建模模块，用于根据所述特征图与所述多个部件的注意力图，将其结合转化为多个部件特征；部件重要性建模模块，用于根据所述多个部件特征得到中各部件特征的重要性权重；以及目标定位模块，用于根据所述多个部件的注意力图与所述各部件特征的重要性权重，得到和原图大小一致的激活图，能够对所述激活图设置设定阈值，找到能够覆盖响应区域的最大邻接矩形完成最终定位。
-
公开(公告)号：CN114462559A
公开(公告)日：2022-05-10
申请号：CN202210387877.5
申请日：2022-04-14
Applicant: 中国科学技术大学
IPC: G06K9/62 , G06V10/764 , G06V10/774 , G06V10/74
Abstract: 本发明提供了一种目标定位模型训练方法、目标定位方法及装置，可以应用于人工智能技术领域。该目标定位模型训练方法包括：获取样本数据集；将每个图像样本输入初始模型的像素特征提取层，输出图像数据中每一个像素点的像素特征；将第一特征数据和第二特征数据输入初始模型的激活图生成层，输出前景激活图和背景激活图；将第三特征数据和第四特征数据分别输入初始模型的感知特征提取层，输出前景感知特征和背景感知特征；将第五特征数据和第六特征数据分别输入初始模型的分类层，输出分类结果；以及根据分类结果和图像类别标签调整初始模型的模型参数，得到训练完成的目标定位模型。
-
-
-
-
-
Search Results
6
records
(took 0.022 seconds)
