-
公开(公告)号：CN115115886A
公开(公告)日：2022-09-27
申请号：CN202210811820.3
申请日：2022-07-11
Applicant: 北京航空航天大学 , 北京京航计算通讯研究所
IPC: G06V10/764 , G06V10/80 , G06V20/10 , G06N3/04 , G06N3/08
Abstract: 提供了基于teacher‑student模型的半监督目标检测方法。包括以下步骤：获取半监督目标检测数据集D；在有标注数据集DL上按照全监督目标检测方法，用模型预测样本的标注得到teacher模型；利用的teacher模型，对无标签数据XU做预测，生成伪标签，并用伪标签更新标注集合YU；对无标注样本集合XU进行数据增强第五步，训练student模型；将student模型的权重参数θs以指数滑动平均的方式更新至teacher模型的权重θt中；进行数轮迭代，以最终的teacher模型作为所述基于teacher‑student模型的半监督目标检测方法训练的目标模型。
-
公开(公告)号：CN115115886B
公开(公告)日：2024-08-06
申请号：CN202210811820.3
申请日：2022-07-11
Applicant: 北京航空航天大学 , 北京京航计算通讯研究所
IPC: G06V10/25 , G06V10/764 , G06V10/80 , G06V10/44 , G06V10/766 , G06V10/82 , G06V20/10 , G06N3/0464 , G06N3/0895
Abstract: 提供了基于teacher‑student模型的半监督目标检测方法。包括以下步骤：获取半监督目标检测数据集D；在有标注数据集DL上按照全监督目标检测方法，用模型预测样本#imgabs0#的标注得到teacher模型；利用的teacher模型，对无标签数据XU做预测，生成伪标签，并用伪标签更新标注集合YU；对无标注样本集合XU进行数据增强第五步，训练student模型；将student模型的权重参数θs以指数滑动平均的方式更新至teacher模型的权重θt中；进行数轮迭代，以最终的teacher模型作为所述基于teacher‑student模型的半监督目标检测方法训练的目标模型。
-
Patent Agency Ranking
公开(公告)号：CN112991394B
公开(公告)日：2024-01-19
申请号：CN202110416434.X
申请日：2021-04-16
Applicant: 北京京航计算通讯研究所
IPC: G06T7/246 , G06T3/4007 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明就目标跟踪过程中的遮挡问题，提出一种基于三次样条插值和马尔科夫链的KCF目标跟踪方法。该方法的具体思路为，在目标跟踪过程中遇到遮挡问题时，停止更新KCF滤波模板，而根据遮挡前目标的运动特征，用离线训练的多个不同权重的三次样条多项式模拟遮挡后的目标运动轨迹，并且基于马尔科夫链中当前状态只与上一时刻状态有关的假设，认为跟踪过程中当前图像的权重只与上一帧图像的权重有关，从而实现对遮挡目标运动位置的预测跟踪。本发明不局限于图像中的特征，而是着眼于目标的运动轨(56)对比文件张星.运动目标的稳定跟踪算法研究《.中国优秀硕士学位论文全文数据库信息科技辑》.2020,(第05期),I135-65.
-
公开(公告)号：CN116957051A
公开(公告)日：2023-10-27
申请号：CN202310910682.9
申请日：2023-07-24
Applicant: 北京京航计算通讯研究所 , 北京航空航天大学
IPC: G06N3/0895 , G06V20/13 , G06V10/764 , G06V10/774 , G06N3/0464
Abstract: 提供了一种优化特征提取的遥感图像弱监督目标检测方法，包括以下步骤：S1:获取遥感图像弱监督目标检测数据集，其中所有图像的标签为图像级标签；S2:用带有图像级标签的所述遥感图像弱监督目标检测数据集训练图像多分类的模型，用于提供弱监督目标检测模型的预训练权重参数；S3:构建遥感图像特征精炼模块，集成到弱监督目标检测模型中；S4:使用S2步骤得到的预训练权重参数初始化弱监督目标检测模型的主干网络的参数，并训练所述弱监督目标检测模型；S5:将待检测图像提供给训练好的弱监督目标检测模型，所述若训练好的弱监督目标检测模型输出对待检测图像的目标检测结果。
-
公开(公告)号：CN116935125A
公开(公告)日：2023-10-24
申请号：CN202310910583.0
申请日：2023-07-24
Applicant: 北京京航计算通讯研究所 , 北京航空航天大学
IPC: G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/0895
Abstract: 提供了通过弱监督实现的噪声数据集目标检测方法。本文采用的方法主要分为三个模块。首先采用弱监督方法(WSOD)生成伪标签，对应WOSD模块。之后通过Localization Adaptation(LA)模块对生成伪标签的回归位置信息进行调整。最后通过半监督学习Semi‑Supervised Learning(SSL)模块进行对(有)噪声数据集的学习。通过对后两个模块的循环迭代，我们能同时对噪声数据集进行不断地更新降噪，从而得到更好的训练效果。
-
公开(公告)号：CN116108912A
公开(公告)日：2023-05-12
申请号：CN202310145789.9
申请日：2023-02-21
Applicant: 北京航空航天大学 , 北京京航计算通讯研究所
Abstract: 本发明公开了启发式神经网络架构搜索方法及信息处理设备。所提供的启发式神经网络架构搜索方法，包括：获取用层次化表示技术描述的待搜索的神经网络模型的单元堆叠模型；对所述多个单元的每个单元的各边进行采样，得到待搜索的神经网络模型的实例；对所述神经网络模型的实例进行训练和验证，得到验证集正确率；更新各个单元的各边的所采样操作的操作性能；更新各个单元的各边所采样操作的置信上限；更新各个单元的各边的各操作被采样的概率；从各个单元的各边的操作空间中去除操作以缩小操作空间；以及将各个单元的各边的操作空间剩余的最后操作作为所选择的操作，并得到要搜索的神经网络架构。
-
公开(公告)号：CN112991394A
公开(公告)日：2021-06-18
申请号：CN202110416434.X
申请日：2021-04-16
Applicant: 北京京航计算通讯研究所
Abstract: 本发明就目标跟踪过程中的遮挡问题，提出一种基于三次样条插值和马尔科夫链的KCF目标跟踪方法。该方法的具体思路为，在目标跟踪过程中遇到遮挡问题时，停止更新KCF滤波模板，而根据遮挡前目标的运动特征，用离线训练的多个不同权重的三次样条多项式模拟遮挡后的目标运动轨迹，并且基于马尔科夫链中当前状态只与上一时刻状态有关的假设，认为跟踪过程中当前图像的权重只与上一帧图像的权重有关，从而实现对遮挡目标运动位置的预测跟踪。本发明不局限于图像中的特征，而是着眼于目标的运动轨迹，通过对物体运动轨迹的分析模拟，解决目标跟踪过程中的遮挡问题，具有跟踪准确率高，计算速度快的特点。
-
-
-
-
-
-
Search Results
7
records
(took 0.046 seconds)
