-
公开(公告)号：CN110490884B
公开(公告)日：2023-04-28
申请号：CN201910784087.9
申请日：2019-08-23
Applicant: 北京工业大学
IPC: G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/094
Abstract: 本发明涉及一种基于对抗的轻量级网络语义分割方法，用以解决预测准确率低，网络处理速度慢，难以达到实时预测的要求的问题。本发明从提升语义分割速度和精度的角度出发，提出一种基于对抗的轻量化语义分割方法。首先，通过减少通道数量，利用非对称卷积减少跳跃连接中参数量，空洞卷积增加特征图感受野，通道打乱操作提升网络信息获取能力，构建轻量级非对称的编码解码语义分割网络；然后，利用对抗思想，使用判别网络对分割图像和标定的语义标签进行判别，并设计判别损失函数和分割损失函数，通过反向传播的方法交替更新分割网络和判别网络，直至判别网络无法分辨分割网络生成的标注和真实标注，实现图像的语义分割。本发明利用轻量化模型和对抗思想使得分割网络确保实时性的同时，具有较高的分割精度。
-
公开(公告)号：CN110490884A
公开(公告)日：2019-11-22
申请号：CN201910784087.9
申请日：2019-08-23
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于对抗的轻量级网络语义分割方法，用以解决预测准确率低，网络处理速度慢，难以达到实时预测的要求的问题。本发明从提升语义分割速度和精度的角度出发，提出一种基于对抗的轻量化语义分割方法。首先，通过减少通道数量，利用非对称卷积减少跳跃连接中参数量，空洞卷积增加特征图感受野，通道打乱操作提升网络信息获取能力，构建轻量级非对称的编码解码语义分割网络；然后，利用对抗思想，使用判别网络对分割图像和标定的语义标签进行判别，并设计判别损失函数和分割损失函数，通过反向传播的方法交替更新分割网络和判别网络，直至判别网络无法分辨分割网络生成的标注和真实标注，实现图像的语义分割。本发明利用轻量化模型和对抗思想使得分割网络确保实时性的同时，具有较高的分割精度。
-
公开(公告)号：CN110569901B
公开(公告)日：2022-11-29
申请号：CN201910838283.X
申请日：2019-09-05
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/25 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于特征通道选择的对抗消除弱监督目标检测方法，用于解决弱监督目标检测定位误差的问题。首先，以弱监督深度目标检测为底层框架，采用选择性搜索方法在训练集数据上生成候选框，并与训练集图像和对应的图像标签一起作为弱监督网络的输入；其次，以VGG16为基础网络构建特征提取网络模型，并对得到的特征图像用特征通道压缩的方式进行通道加权选择，激励有利于分类的图像特征层，而抑制对分类有干扰的特征层；然后，采用对抗消除方法得到能够表达图像目标的完整特征表达作为预测网络的输入；最后，根据多任务交叉熵损失来训练预测网络，实现目标检测。本发明不仅可以更加精确定位目标物体的位置，而且能够提高物体识别的精度。
-
公开(公告)号：CN110569901A
公开(公告)日：2019-12-13
申请号：CN201910838283.X
申请日：2019-09-05
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于特征通道选择的对抗消除弱监督目标检测方法，用于解决弱监督目标检测定位误差的问题。首先，以弱监督深度目标检测为底层框架，采用选择性搜索方法在训练集数据上生成候选框，并与训练集图像和对应的图像标签一起作为弱监督网络的输入；其次，以VGG16为基础网络构建特征提取网络模型，并对得到的特征图像用特征通道压缩的方式进行通道加权选择，激励有利于分类的图像特征层，而抑制对分类有干扰的特征层；然后，采用对抗消除方法得到能够表达图像目标的完整特征表达作为预测网络的输入；最后，根据多任务交叉熵损失来训练预测网络，实现目标检测。本发明不仅可以更加精确定位目标物体的位置，而且能够提高物体识别的精度。
-
-
-
Search Results
4
records
(took 0.017 seconds)
