公开(公告)号：CN115565005A

公开(公告)日：2023-01-03

申请号：CN202211235864.2

申请日：2022-10-10

Applicant: 哈尔滨理工大学

Inventor： 李成严 ,  郑企森 ,  王昊

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种基于渐进式多元化域迁移的弱监督实时目标检测方法，致力于解决弱监督条件下的跨域目标检测问题。该方法提出一种两阶段渐进式域迁移框架和一种与该框架相匹配的实时目标检测器，使用中间域弥合域差距，将困难的任务分解为两个更容易且差距更小的子任务。首先，通过域移位器使标注数据的分布多样化，将源域图像转化为多元化的中间域图像，然后将中间域作为监督的源域，并结合目标域中的图像级标签生成伪标注图像样本。采用50层残差网络单元的堆栈并额外叠加3个卷积模块构成基础网络，并将特征金字塔网络以自上而下、自下而上的路径以及横向连接深度融合，同时采用广义交并比作为位置损失函数，以此构建实时目标检测器。通过中间域和伪标注的人工生成图像样本对目标检测模型逐步调整以解决域迁移过程中图像翻译偏差性及特征级适应的源偏判别性等问题，在弱监督条件下提升了检测准确率并保证了实时性。

公开(公告)号：CN115170803A

公开(公告)日：2022-10-11

申请号：CN202210858451.3

申请日：2022-07-20

Applicant: 哈尔滨理工大学

Inventor： 李成严 ,  车子轩 ,  郑企森

IPC: G06V10/26 ,  G06V10/82 ,  G06V10/25 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明提出一种基于E‑SOLO的城市街景实例分割方法；针对城市街景环境中存在的小目标分割问题，使用ECA‑PSConv模块对特征进行处理，该模块能够在增强有效特征的同时抑制无用特征，降低算法编‑解码过程造成的特征映射损失，同时可以对不同尺度的特征进行提取，提高检测分割精度；针对城市街景环境中存在的实例遮挡问题，使用MAE模块进行数据增强处理，增强后的训练图像在尽量避免因添加噪声所带来的负面影响的同时更贴近真实的源数据分布以提高数据集的表征能力；本发明较好的解决了城市街景环境下存在的车辆行人流动及摄像头距离较远等因素导致的实例目标较小和实例遮挡两个问题，提升了对小目标实例和遮挡实例的检测分割精度。