-
公开(公告)号：CN112990222A
公开(公告)日：2021-06-18
申请号：CN202110550131.7
申请日：2021-05-20
Applicant: 之江实验室
Abstract: 本发明公开了一种基于图像边界知识迁移的引导语义分割方法包括如下步骤：S1，引导分割模块构建，S2构建约束条件，具体分为三个部分，分别是有限样本的监督、表示一致性约束、以及边界一致性约束；S3，边界知识迁移模块构建，其中主要包括伪三元组判别数据生成、边界对抗学习；通过上述步骤建立的基于图像边界知识迁移的引导语意分割方法，能够仅通过数十张有标签样本以及大量任务无关图像数据，利用图像边界知识，通过指定语义相关图像，利用语义空间特征约束，实现特定种类样本目标的语义分割。
-
Patent Agency Ranking
公开(公告)号：CN112801105B
公开(公告)日：2022-07-08
申请号：CN202110093474.5
申请日：2021-01-22
Applicant: 之江实验室
Inventor： 刘亚洁
Abstract: 本发明公开了一种两阶段的零样本图像语义分割方法，分为类别无关前背景图像分割模块与零样本目标分类模块两部分。类别无关前背景图像分割采用基于Mask‑RCNN的两阶段图像分割框架，并辅助内外边缘判别器，边缘自监督模块提升图像前背景分割的精度。零样本目标分类模块基于CADA‑VAE算法，并辅助DeepInversion反向生成视觉特征减小视觉特征与语义特征的域距离，提升零样本目标分类的精度。零样本目标分割方法在已知类上训练后可在未知类目标上也得到较好的图像分割性能，大大减少了样本的需求以及繁复的人工标注，降低医学等专业领域的标注成本，大幅提升没有样本以及样本较少场景下图像语义分割任务的性能。
-
公开(公告)号：CN113688843A
公开(公告)日：2021-11-23
申请号：CN202110903074.6
申请日：2021-08-06
Applicant: 之江实验室
Abstract: 本发明涉及深度学习图像识别领域，尤其涉及一种基于Transformer‑VAE的零样本目标识别方法，将Transformer的编码器、解码器以及VAE的编码器、解码器结合起来，实现视觉特征域的编解码以及语义特征域的编解码，通过跨域对齐损失约束，将视觉特征域和语义特征域的隐变量限制在同一个空间，对已知类及未知类进行编码得到的隐变量进行分类，实现零样本目标识别。本发明的零样本目标识别在已知类上进行训练后能够很好得泛化到未知类上，大大降低了样本的采集与标注成本，大幅提升没有样本及样本较少场景下图像识别的任务性能，促进零样本目标识别的领域发展，加快零样本目标识别在科研与工业的研究与应用。
-
公开(公告)号：CN112801105A
公开(公告)日：2021-05-14
申请号：CN202110093474.5
申请日：2021-01-22
Applicant: 之江实验室
Inventor： 刘亚洁
Abstract: 本发明公开了一种两阶段的零样本图像语义分割方法，分为类别无关前背景图像分割模块与零样本目标分类模块两部分。类别无关前背景图像分割采用基于Mask‑RCNN的两阶段图像分割框架，并辅助内外边缘判别器，边缘自监督模块提升图像前背景分割的精度。零样本目标分类模块基于CADA‑VAE算法，并辅助DeepInversion反向生成视觉特征减小视觉特征与语义特征的域距离，提升零样本目标分类的精度。零样本目标分割方法在已知类上训练后可在未知类目标上也得到较好的图像分割性能，大大减少了样本的需求以及繁复的人工标注，降低医学等专业领域的标注成本，大幅提升没有样本以及样本较少场景下图像语义分割任务的性能。
-
公开(公告)号：CN113688843B
公开(公告)日：2024-10-15
申请号：CN202110903074.6
申请日：2021-08-06
Applicant: 之江实验室
IPC: G06V10/40 , G06V10/764
Abstract: 本发明涉及深度学习图像识别领域，尤其涉及一种基于Transformer‑VAE的零样本目标识别方法，将Transformer的编码器、解码器以及VAE的编码器、解码器结合起来，实现视觉特征域的编解码以及语义特征域的编解码，通过跨域对齐损失约束，将视觉特征域和语义特征域的隐变量限制在同一个空间，对已知类及未知类进行编码得到的隐变量进行分类，实现零样本目标识别。本发明的零样本目标识别在已知类上进行训练后能够很好得泛化到未知类上，大大降低了样本的采集与标注成本，大幅提升没有样本及样本较少场景下图像识别的任务性能，促进零样本目标识别的领域发展，加快零样本目标识别在科研与工业的研究与应用。
-
公开(公告)号：CN112990222B
公开(公告)日：2021-08-10
申请号：CN202110550131.7
申请日：2021-05-20
Applicant: 之江实验室
Abstract: 本发明公开了一种基于图像边界知识迁移的引导语义分割方法包括如下步骤：S1，引导分割模块构建，S2构建约束条件，具体分为三个部分，分别是有限样本的监督、表示一致性约束、以及边界一致性约束；S3，边界知识迁移模块构建，其中主要包括伪三元组判别数据生成、边界对抗学习；通过上述步骤建立的基于图像边界知识迁移的引导语意分割方法，能够仅通过数十张有标签样本以及大量任务无关图像数据，利用图像边界知识，通过指定语义相关图像，利用语义空间特征约束，实现特定种类样本目标的语义分割。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
