公开(公告)号：CN118429625B

公开(公告)日：2024-10-11

申请号：CN202410900338.6

申请日：2024-07-05

Applicant: 湖南大学

Inventor： 梁桥康 ,  舒立业 ,  秦海 ,  殷义 ,  郑正月 ,  申新朴

IPC: G06V10/25 ,  G06V10/774 ,  G06V10/778 ,  G06V10/82 ,  G06V10/762 ,  G06V10/764 ,  G06V20/60 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/0475 ,  G06N3/0895 ,  G06N3/091 ,  G06N3/094

Abstract: 本发明公开了一种基于主动学习选择策略的厨余垃圾目标检测方法，获取真实场景下采集的厨余垃圾目标检测数据集#imgabs0#；通过对#imgabs1#中样本聚类，并根据样本代表性构建已标注数据集#imgabs2#；将#imgabs3#送入目标检测模型训练，同时使用#imgabs4#和#imgabs5#训练主动学习模型中的变分自编码器VAE和对抗网络GAN判别器；当未达到主动学习总体预算时，使用当前的目标检测模型对未标注图像及其增强图像推理，根据相似度构建初选样本集；使用当前VAE和判别器筛选样本获得最终样本集；对选择的最终样本标注后，重复上述步骤直到达到标注总体预算；将最终得到的目标检测模型对厨余垃圾图像进行目标检测。本发明以更少的标注成本达到更好的检测效果。

公开(公告)号：CN119380004B

公开(公告)日：2025-03-18

申请号：CN202411944715.2

申请日：2024-12-27

Applicant: 湖南大学

Inventor： 梁桥康 ,  郑正月 ,  秦海 ,  舒立业 ,  申新朴

IPC: G06V10/25 ,  G06N3/0455 ,  G06N3/0464 ,  G06V10/44 ,  G06V10/52 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种低标注成本的异型目标检测方法，包括：构建初始标注集和未标注集；使用初始标注集训练目标检测模型；利用当前目标检测网络对未标注集推理，基于推理结果计算图像级和实例级的不确定性，对其中实例按混合不确定性排序；统计已标注集中各类别实例的数量，进而计算采样率以按类别采样，得到当前轮次选择的样本集；对当前轮次选择的样本集进行标注，更新已标注集和未标注集；使用当前已标注集训练目标检测模型；若当前已标注样本数量少于总体标注预算，则返回继续在未标注集中按混合不确定性和类别比例选择样本；否则完成目标检测网络训练，即可用于对检测图像中的异型目标进行检测。本发明以低标注成本达到良好的目标检测精度。

公开(公告)号：CN119380004A

公开(公告)日：2025-01-28

申请号：CN202411944715.2

申请日：2024-12-27

Applicant: 湖南大学

Inventor： 梁桥康 ,  郑正月 ,  秦海 ,  舒立业 ,  申新朴

IPC: G06V10/25 ,  G06N3/0455 ,  G06N3/0464 ,  G06V10/44 ,  G06V10/52 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种低标注成本的异型目标检测方法，包括：构建初始标注集和未标注集；使用初始标注集训练目标检测模型；利用当前目标检测网络对未标注集推理，基于推理结果计算图像级和实例级的不确定性，对其中实例按混合不确定性排序；统计已标注集中各类别实例的数量，进而计算采样率以按类别采样，得到当前轮次选择的样本集；对当前轮次选择的样本集进行标注，更新已标注集和未标注集；使用当前已标注集训练目标检测模型；若当前已标注样本数量少于总体标注预算，则返回继续在未标注集中按混合不确定性和类别比例选择样本；否则完成目标检测网络训练，即可用于对检测图像中的异型目标进行检测。本发明以低标注成本达到良好的目标检测精度。

公开(公告)号：CN118429625A

公开(公告)日：2024-08-02

申请号：CN202410900338.6

申请日：2024-07-05

Applicant: 湖南大学

Inventor： 梁桥康 ,  舒立业 ,  秦海 ,  殷义 ,  郑正月 ,  申新朴

IPC: G06V10/25 ,  G06V10/774 ,  G06V10/778 ,  G06V10/82 ,  G06V10/762 ,  G06V10/764 ,  G06V20/60 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/0475 ,  G06N3/0895 ,  G06N3/091 ,  G06N3/094

Abstract: 本发明公开了一种基于主动学习选择策略的厨余垃圾目标检测方法，获取真实场景下采集的厨余垃圾目标检测数据集#imgabs0#；通过对#imgabs1#中样本聚类，并根据样本代表性构建已标注数据集#imgabs2#；将#imgabs3#送入目标检测模型训练，同时使用#imgabs4#和#imgabs5#训练主动学习模型中的变分自编码器VAE和对抗网络GAN判别器；当未达到主动学习总体预算时，使用当前的目标检测模型对未标注图像及其增强图像推理，根据相似度构建初选样本集；使用当前VAE和判别器筛选样本获得最终样本集；对选择的最终样本标注后，重复上述步骤直到达到标注总体预算；将最终得到的目标检测模型对厨余垃圾图像进行目标检测。本发明以更少的标注成本达到更好的检测效果。