基于多类多注意力机制的细粒度检测方法

    公开(公告)号:CN110059718A

    公开(公告)日:2019-07-26

    申请号:CN201910203138.4

    申请日:2019-03-18

    IPC分类号: G06K9/62 G06N3/04 G06N3/08

    摘要: 本实施例提出了基于多类多注意力机制的细粒度检测方法,包括建立特征映射,将提取到的特征导入特征映射中进行计算得到代表输入图像中每个通道的通道输出值;逐步确定针对通道输出值的筛选权重,结合得到的筛选权重在卷积神经网络中得到对应输入图像的特征向量;从特征向量中进行随机挑选,基于挑选结果构建基于注意力类别的样本集合,构建对应样本集合的最小损失函数,对最小损失函数进行优化处理完成细粒度检测。通过一个挤压式多激励模块提取注意感知特征,该模块由MAMC损失监督,该损失将正样本拉近到锚点,同时将负样本推开。该方法不需要边界框或部分注释,简化了处理步骤。

    锈斑识别方法及装置
    7.
    发明公开

    公开(公告)号:CN110111299A

    公开(公告)日:2019-08-09

    申请号:CN201910204366.3

    申请日:2019-03-18

    IPC分类号: G06T7/00 G06K9/62

    摘要: 本发明公开了一种锈斑识别方法及装置。该方法包括:获取目标图像;将所述目标图像进行预处理,生成上采样图片与下采样图片;将所述上采样图片与所述下采样图片输入锈斑识别模型中,获取特征图;对所述特征图进行细粒度特征识别,确定识别结果;以及根据所述识别结果确定所述目标图像中是否存在锈斑;其中,所述锈斑识别模型通过具有ResNet50网络结构的卷积神经网络模型训练获得。本公开涉及的锈斑识别方法及装置,能够准确、快捷地判断设备上的锈斑,保证配电网系统安全运转。