公开(公告)号：CN117876771A

公开(公告)日：2024-04-12

申请号：CN202410046518.2

申请日：2024-01-11

Applicant: 北京环境特性研究所

Inventor： 王梓权 ,  张子恺 ,  翟佳 ,  韩全贺 ,  叶昕辰 ,  李豪杰

IPC: G06V10/764 ,  G06V10/766 ,  G06V10/25 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明提供了一种小样本目标检测识别方法、装置及计算设备，该方法包括：获取目标域内的小样本目标数据集；利用小样本目标数据集对由源域数据集预训练得到的初始检测网络模型和初始分类网络模型进行训练，得到目标检测网络模型和目标分类网络模型；将目标域的待检测识别图像输入目标检测网络模型中，得到目标图像和回归结果；将目标图像与目标图像相关的语义信息、属性信息和图像信息输入目标分类网络模型中，得到分类结果；根据回归结果和分类结果，得到待检测识别图像的识别结果。本方案提供的小样本目标检测识别方法能够实现对小样本数据的准确识别，提高基于小样本数据的识别准确性。

公开(公告)号：CN117746162A

公开(公告)日：2024-03-22

申请号：CN202410037726.6

申请日：2024-01-10

Applicant: 北京环境特性研究所

Inventor： 张子恺 ,  王梓权 ,  翟佳 ,  刘可 ,  叶昕辰 ,  李豪杰

IPC: G06V10/764 ,  G06V10/774 ,  G06T3/4053 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/09

Abstract: 本发明涉及计算机视觉技术领域，特别涉及一种面向低分辨率小样本的目标识别方法及装置。方法包括：基于待测试小样本集构建训练集；待测试小样本集包括不带有标签的低分辨率图像和每一个类别带有标签的高分辨率图像；利用训练集对预先构建的识别网络进行监督预训练和元训练，得到识别模型；将训练集中的样本图像进行下采样，以利用训练集中的样本图像和下采样后的低分辨率样本图像，对预先构建的超分辨率网络进行训练，得到超分辨率模型；在将待测试小样本集中的低分辨率图像输入至超分辨率模型得到超分辨率图像后，利用识别模型和每一个类别的类中心，得到超分辨率图像的预测类别。本方案可以增强低分辨率图像的小样本分类性能。