-
公开(公告)号：CN115019133A
公开(公告)日：2022-09-06
申请号：CN202210685827.5
申请日：2022-06-16
Applicant: 华中科技大学
IPC: G06V10/774 , G06V10/25 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明属于目标检测相关技术领域，其公开了一种基于自训练和标签抗噪的图像中弱目标的检测方法及系统，方法包括：获取并预处理包括有标签图像样本和无标签图像样本的目标检测数据集；为有标签图像样本和无标签图像样本生成候选框；将有标签图像样本输入至基于MIL的弱监督目标检测模型，得到初步训练完成的弱监督目标检测模型；采用初步训练完成的弱监督目标检测模型对无标签图像样本进行预测并筛选，得到伪标签；采用有标签图像样本和伪标签的无标签图像样本对初步训练完成的模型再次训练，得到最终训练完成的模型；将待检测图像输入最终训练完成的模型即可实现弱目标的检测。本申请避免对高质量标签的依赖，提高了图像中弱目标检测的精度和效率。
-
公开(公告)号：CN113239980B
公开(公告)日：2022-07-05
申请号：CN202110442031.2
申请日：2021-04-23
Applicant: 华中科技大学 , 中国地质大学(武汉)
Abstract: 本发明提供了一种基于小样本机器学习与超参数优化的水下目标检测方法，包括：构建基于Cascade‑RCNN的小样本目标检测模型；预训练数据集；利用预训练数据集对小样本目标检测模型进行预训练，获得小样本目标检测模型的预训练权重θ′；构建待检测的目标数据集；将目标数据集划分为有标记的支持集和无标记的查询集；对目标数据集进行预处理；对小样本目标检测模型进行微调，得到最终训练完成的小样本目标检测模型；采用基于TPE的贝叶斯优化模型对训练完成的小样本目标检测模型进行超参数优化，得到优化后的小样本目标检测模型；输入预处理后的查询集至优化后的目标检测模型，得到目标检测结果。本发明实现了不依赖于大样本、可以自动调节超参数的目标检测。
-
公开(公告)号：CN115019133B
公开(公告)日：2024-07-02
申请号：CN202210685827.5
申请日：2022-06-16
Applicant: 华中科技大学
IPC: G06V10/774 , G06V10/25 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0895
Abstract: 本发明属于目标检测相关技术领域，其公开了一种基于自训练和标签抗噪的图像中弱目标的检测方法及系统，方法包括：获取并预处理包括有标签图像样本和无标签图像样本的目标检测数据集；为有标签图像样本和无标签图像样本生成候选框；将有标签图像样本输入至基于MIL的弱监督目标检测模型，得到初步训练完成的弱监督目标检测模型；采用初步训练完成的弱监督目标检测模型对无标签图像样本进行预测并筛选，得到伪标签；采用有标签图像样本和伪标签的无标签图像样本对初步训练完成的模型再次训练，得到最终训练完成的模型；将待检测图像输入最终训练完成的模型即可实现弱目标的检测。本申请避免对高质量标签的依赖，提高了图像中弱目标检测的精度和效率。
-
公开(公告)号：CN113239980A
公开(公告)日：2021-08-10
申请号：CN202110442031.2
申请日：2021-04-23
Applicant: 华中科技大学 , 中国地质大学(武汉)
Abstract: 本发明提供了一种基于小样本机器学习与超参数优化的水下目标检测方法，包括：构建基于Cascade‑RCNN的小样本目标检测模型；预训练数据集；利用预训练数据集对小样本目标检测模型进行预训练，获得小样本目标检测模型的预训练权重θ′；构建待检测的目标数据集；将目标数据集划分为有标记的支持集和无标记的查询集；对目标数据集进行预处理；对小样本目标检测模型进行微调，得到最终训练完成的小样本目标检测模型；采用基于TPE的贝叶斯优化模型对训练完成的小样本目标检测模型进行超参数优化，得到优化后的小样本目标检测模型；输入预处理后的查询集至优化后的目标检测模型，得到目标检测结果。本发明实现了不依赖于大样本、可以自动调节超参数的目标检测。
-
-
-
Search Results
4
records
(took 0.015 seconds)
