-
公开(公告)号：CN116452931A
公开(公告)日：2023-07-18
申请号：CN202310382755.1
申请日：2023-04-11
Applicant: 北京科技大学
IPC: G06V10/80 , G06V10/82 , G06V10/762
Abstract: 本发明公开了一种层级敏感的图像特征聚合方法，包括：在Transformer网络中加入局部自适应特征聚合模块和语义信息聚合模块，构建出层次结构敏感的特征聚合框架；其中，所述特征聚合框架包括三次特征聚合过程，且在三次特征聚合过程中分别采用了不同的聚合方案；将待处理的图像输入所述特征聚合框架中进行特征聚合，得到特征图像。本发明可使Transformer建立更准确的全局关系，并在图像分类、目标检测、语义分割等多个任务上取得更好的效果。
-
公开(公告)号：CN118115913B
公开(公告)日：2024-09-27
申请号：CN202410204210.6
申请日：2024-02-23
Applicant: 北京科技大学
IPC: G06V20/40 , G06V10/62 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及深度学习计算机视觉领域目标追踪领域，特别是指一种两阶段追踪方法及装置，方法包括：获取待进行目标追踪的视频数据，根据视频数据获取图像对；构建基础追踪模型，采用双向视觉引导训练方法、视频序列微调方法以及目标层级的随机擦除数据增强方法，对基础追踪模型进行训练，得到训练好的追踪模型；根据图像对以及训练好的追踪模型，得到目标追踪结果。本发明提出了一种两阶段的训练方式，能够在有效利用视频序列信息的同时不增加任何推理成本。除此之外，本发明提出了一种目标层级的随机擦除数据增强方案，能够很好模拟在追踪过程中出现的遮挡问题，使训练的追踪器更加鲁棒。
-
公开(公告)号：CN116452931B
公开(公告)日：2024-03-19
申请号：CN202310382755.1
申请日：2023-04-11
Applicant: 北京科技大学
IPC: G06V10/80 , G06V10/82 , G06V10/762
Abstract: 本发明公开了一种层级敏感的图像特征聚合方法，包括：在Transformer网络中加入局部自适应特征聚合模块和语义信息聚合模块，构建出层次结构敏感的特征聚合框架；其中，所述特征聚合框架包括三次特征聚合过程，且在三次特征聚合过程中分别采用了不同的聚合方案；将待处理的图像输入所述特征聚合框架中进行特征聚合，得到特征图像。本发明可使Transformer建立更准确的全局关系，并在图像分类、目标检测、语义分割等多个任务上取得更好的效果。
-
公开(公告)号：CN118115913A
公开(公告)日：2024-05-31
申请号：CN202410204210.6
申请日：2024-02-23
Applicant: 北京科技大学
IPC: G06V20/40 , G06V10/62 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及深度学习计算机视觉领域目标追踪领域，特别是指一种两阶段追踪方法及装置，方法包括：获取待进行目标追踪的视频数据，根据视频数据获取图像对；构建基础追踪模型，采用双向视觉引导训练方法、视频序列微调方法以及目标层级的随机擦除数据增强方法，对基础追踪模型进行训练，得到训练好的追踪模型；根据图像对以及训练好的追踪模型，得到目标追踪结果。本发明提出了一种两阶段的训练方式，能够在有效利用视频序列信息的同时不增加任何推理成本。除此之外，本发明提出了一种目标层级的随机擦除数据增强方案，能够很好模拟在追踪过程中出现的遮挡问题，使训练的追踪器更加鲁棒。
-
-
-
Search Results
4
records
(took 0.022 seconds)
