-
公开(公告)号：CN110322446B
公开(公告)日：2021-02-19
申请号：CN201910585717.X
申请日：2019-07-01
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于相似性空间对齐的域自适应语义分割方法，将源域和目标域的分割输出分别变换到相似性空间，并对齐源域和目标域两者的相似性空间分布来减小域间差异，即可得到在无监督的目标域上有较好分割效果的语义分割模型。该方法在跨域语义分割任务中引入了相似性空间的概念，更好地编码了分割场景中类别间的相关性，利用判别器对不同域的相似性空间进行判别，使得分割网络更加关注图像的结构、类别共存性等信息，且整个网络可以端到端训练。本方法提出的基于相似性空间对齐的无监督域自适应语义分割方法在现有的技术思路上进行了创新，融入了分割场景中类别的相关性空间信息，分割性能更好，有着很强的实际应用价值。
-
Patent Agency Ranking
公开(公告)号：CN110717427A
公开(公告)日：2020-01-21
申请号：CN201910921351.9
申请日：2019-09-27
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于顶点滑动的多方向物体检测算法。与传统的回归角度或者回归四个顶点的方法不同，该方法不存在回归角度所带来的不稳定问题，也不存在回归四个顶点所带来的歧义。首先，通过卷积网络所获取到的特征同时预测物体的水平包围盒、滑动顶点、及其倾斜包围盒相对于水平包围盒的面积比例，从而得到物体的水平包围盒、倾斜包围盒及倾斜程度，通过倾斜程度确定究竟是选择倾斜或是水平包围盒。对于倾斜程度较大的物体，选择倾斜包围盒；对于几近水平的物体，直接选择该物体水平包围盒。该方法是针对在多方向物体领域常用的两种表示方法所提出的第三种方法，实现简单，几乎不增加额外时间，能显著提升检测性能，具有很强的实际应用价值。
-
公开(公告)号：CN110717427B
公开(公告)日：2022-08-12
申请号：CN201910921351.9
申请日：2019-09-27
Applicant: 华中科技大学
IPC: G06V20/00 , G06V10/22 , G06V10/25 , G06V10/764 , G06V10/82 , G06V10/774 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/73
Abstract: 本发明公开了一种基于顶点滑动的多方向物体检测算法。与传统的回归角度或者回归四个顶点的方法不同，该方法不存在回归角度所带来的不稳定问题，也不存在回归四个顶点所带来的歧义。首先，通过卷积网络所获取到的特征同时预测物体的水平包围盒、滑动顶点、及其倾斜包围盒相对于水平包围盒的面积比例，从而得到物体的水平包围盒、倾斜包围盒及倾斜程度，通过倾斜程度确定究竟是选择倾斜或是水平包围盒。对于倾斜程度较大的物体，选择倾斜包围盒；对于几近水平的物体，直接选择该物体水平包围盒。该方法是针对在多方向物体领域常用的两种表示方法所提出的第三种方法，实现简单，几乎不增加额外时间，能显著提升检测性能，具有很强的实际应用价值。
-
公开(公告)号：CN111062951B
公开(公告)日：2022-03-25
申请号：CN201911277549.4
申请日：2019-12-11
Applicant: 华中科技大学
IPC: G06T7/11 , G06V10/40 , G06K9/62 , G06V10/774 , G06V10/764
Abstract: 本发明公开了一种基于语义分割类内特征差异性的知识蒸馏方法，目的是将复杂模型(教师模型)学到的暗知识迁移到精简模型(学生模型)，从而在提升语义分割模型的准确度的同时保持其速度。首先，分别通过教师模型和学生模型得到卷积特征；然后，通过掩膜指导的平均池化操作得到各个类别中心的特征图并由此计算各个像素点与其对应的类别中心的特征相似性，得到类内特征差异图；最后，使学生模型的类内特征差异图与教师模型对齐，以达到提升学生模型准确度的目的。本发明提出的蒸馏方法相对于现有技术思路新颖，得到的语义分割模型在准确度和速度方面都取得了良好的效果，同时该方法可以方便地和其他相关技术结合，有很强的实际应用价值。
-
公开(公告)号：CN111062951A
公开(公告)日：2020-04-24
申请号：CN201911277549.4
申请日：2019-12-11
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于语义分割类内特征差异性的知识蒸馏方法，目的是将复杂模型(教师模型)学到的暗知识迁移到精简模型(学生模型)，从而在提升语义分割模型的准确度的同时保持其速度。首先，分别通过教师模型和学生模型得到卷积特征；然后，通过掩膜指导的平均池化操作得到各个类别中心的特征图并由此计算各个像素点与其对应的类别中心的特征相似性，得到类内特征差异图；最后，使学生模型的类内特征差异图与教师模型对齐，以达到提升学生模型准确度的目的。本发明提出的蒸馏方法相对于现有技术思路新颖，得到的语义分割模型在准确度和速度方面都取得了良好的效果，同时该方法可以方便地和其他相关技术结合，有很强的实际应用价值。
-
公开(公告)号：CN110322446A
公开(公告)日：2019-10-11
申请号：CN201910585717.X
申请日：2019-07-01
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于相似性空间对齐的域自适应语义分割方法，将源域和目标域的分割输出分别变换到相似性空间，并对齐源域和目标域两者的相似性空间分布来减小域间差异，即可得到在无监督的目标域上有较好分割效果的语义分割模型。该方法在跨域语义分割任务中引入了相似性空间的概念，更好地编码了分割场景中类别间的相关性，利用判别器对不同域的相似性空间进行判别，使得分割网络更加关注图像的结构、类别共存性等信息，且整个网络可以端到端训练。本方法提出的基于相似性空间对齐的无监督域自适应语义分割方法在现有的技术思路上进行了创新，融入了分割场景中类别的相关性空间信息，分割性能更好，有着很强的实际应用价值。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
