-
公开(公告)号：CN113536979A
公开(公告)日：2021-10-22
申请号：CN202110720404.8
申请日：2021-06-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于混合存储器的联合训练跨域行人重识别方法，首先进行数据集预处理，通过源域数据集对在ImageNet上预训练的ResNet‑50进行预训练，获得baseline模型；然后将源域数据集和目标域数据集组合形成联合数据集，通过联合数据集对baseline模型进行训练并优化；本发明方法通过将源域和目标域数据集联合训练，可以进一步利用源域数据集中丰富的标注信息，同时可以进一步缩小域差异，从而实现更好的自适应效果；通过生成基于相似性和混合存储器的多类别标签，可以在源域和目标域同时搜索相似图像，进一步提高模型的性能，而且可以避免类似基于聚类算法中的聚类噪声。
-
公开(公告)号：CN113536979B
公开(公告)日：2024-11-12
申请号：CN202110720404.8
申请日：2021-06-28
Applicant: 杭州电子科技大学
IPC: G06V40/10 , G06V10/774 , G06V10/764 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于混合存储器的联合训练跨域行人重识别方法，首先进行数据集预处理，通过源域数据集对在ImageNet上预训练的ResNet‑50进行预训练，获得baseline模型；然后将源域数据集和目标域数据集组合形成联合数据集，通过联合数据集对baseline模型进行训练并优化；本发明方法通过将源域和目标域数据集联合训练，可以进一步利用源域数据集中丰富的标注信息，同时可以进一步缩小域差异，从而实现更好的自适应效果；通过生成基于相似性和混合存储器的多类别标签，可以在源域和目标域同时搜索相似图像，进一步提高模型的性能，而且可以避免类似基于聚类算法中的聚类噪声。
-
公开(公告)号：CN111612803B
公开(公告)日：2023-10-17
申请号：CN202010363326.6
申请日：2020-04-30
Applicant: 杭州电子科技大学
IPC: G06T7/12 , G06T7/187 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于图像清晰度的车辆图像语义分割方法。本发明设计了一个清晰度判别模块，并将结果导入总的损失函数中，实现更加精确的分割效果，具体实现如下：步骤1、采用Tenengrad函数来对输入的车辆图像进行清晰度判定；步骤2、采用DeepLab V3+作为语义分割主干网络进行训练；步骤3、用训练完的网络输出语义分割结果。本发明对于清晰度做出判定，根据判别结果，本发明设计了相应的损失函数LD，并将其加入到语义分割主干网络的损失函数中，从而使网络具有判别车辆图像清晰度的能力，增加了网络对车辆图像语义分割的针对性，提高语义分割主干网络的分割精度。
-
公开(公告)号：CN111612803A
公开(公告)日：2020-09-01
申请号：CN202010363326.6
申请日：2020-04-30
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于图像清晰度的车辆图像语义分割方法。本发明设计了一个清晰度判别模块，并将结果导入总的损失函数中，实现更加精确的分割效果，具体实现如下：步骤1、采用Tenengrad函数来对输入的车辆图像进行清晰度判定；步骤2、采用DeepLab V3+作为语义分割主干网络进行训练；步骤3、用训练完的网络输出语义分割结果。本发明对于清晰度做出判定，根据判别结果，本发明设计了相应的损失函数LD，并将其加入到语义分割主干网络的损失函数中，从而使网络具有判别车辆图像清晰度的能力，增加了网络对车辆图像语义分割的针对性，提高语义分割主干网络的分割精度。
-
-
-
Search Results
4
records
(took 0.018 seconds)
