[发明专利]目标检测网络训练与目标检测方法、电子设备、存储介质在审
| 申请号： | 202210989314.3 | 申请日： | 2022-08-17 |
| 公开（公告）号： | CN115841605A | 公开（公告）日： | 2023-03-24 |
| 发明（设计）人： | 李志远;庄月清;李伯勋 | 申请（专利权）人： | 北京迈格威科技有限公司 |
| 主分类号： | G06V10/82 | 分类号： | G06V10/82;G06V10/764;G06V10/25;G06T7/73;G06N3/0464;G06N3/082;G06N3/096 |
| 代理公司： | 北京睿邦知识产权代理事务所(普通合伙) 11481 | 代理人： | 徐丁峰;戴亚南 |
| 地址： | 100190 北京*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请提供一种目标检测网络训练与目标检测方法、电子设备、存储介质及计算机程序产品。方法包括：获取第一训练图像和第一标注数据；将第一训练图像分别输入新类目标检测网络的新类主干网络以及第一教师主干网络，获得第一图像特征以及第一教师图像特征，第一教师主干网络是经训练的基类目标检测网络的基类主干网络；将第一图像特征输入新类目标检测网络的新类后续网络结构，获得第一目标预测结果；基于第一图像特征和第一教师图像特征计算第一正则损失项；基于第一目标预测结果和第一标注数据计算第一预测损失项；基于以上损失项，对新类目标检测网络的参数进行优化，第一教师主干网络的参数保持不变。可在小样本训练下获得性能好的网络。 | ||
| 搜索关键词： | 目标 检测 网络 训练 方法 电子设备 存储 介质 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京迈格威科技有限公司，未经北京迈格威科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202210989314.3/，转载请声明来源钻瓜专利网。
- 同类专利
- 一种在自然环境中快速检测小麦赤霉病穗及严重度的方法-202310919719.4
- 郭伟;高春凤;公政;张慧;乔红波 - 河南农业大学
- 2023-07-24 - 2023-10-27 - G06V10/82
- 本发明公开了一种在自然环境中快速检测小麦赤霉病穗及严重度的方法，涉及图像识别技术领域，所述步骤包括如下：S1：使用改进的YOLOv5s网络检测田间小麦穗，以检测病穗和健康穗；S2：将本研究提出的改进YOLOv5s与YOLOv3‑Tiny、YOLOv4、SSD、Faster R‑CNN和YOLOv7模型进行了对比，验证了模型的有效性和优越性,可实现自然环境中小麦赤霉病(Fusarium head blight，FHB)的快速、实时、准确检测，本研究进一步统计出健康穗、患病穗、总穗，并将患病穗与总穗的比例作为病穗率，病穗率的决定系数(coefficient of determination，R2)达0.9802，按照病穗率的范围确定小麦FHB严重度，实现了较好的统计效果，结果表明，本研究提出的改进的YOLOv5s满足移动设备的实时、高效、准确要求。
- 作业机械的目标检测方法、装置、设备和作业机械-202310953884.1
- 石向星;储海军;吕勇 - 三一重机有限公司
- 2023-07-31 - 2023-10-27 - G06V10/82
- 本发明涉及作业机械领域，提供一种作业机械的目标检测方法、装置、电子设备和作业机械，基于训练好的第一卷积神经网络对处于工况中的作业机械周围的目标物体进行图像识别；第一卷积神经网络的获取过程为：对第二卷积神经网络进行改进，确定第一卷积神经网络；第二卷积神经网络为面向作业机械构建的目标检测模型；其中，对第二卷积神经网络进行改进，确定第一卷积神经网络，包括：对第二卷积神经网络进行压缩；在第二卷积神经网络中引入可变形卷积，得到第一卷积神经网络，如此得到的训练好的第一卷积神经网络可以提高作业机械的目标检测精度。
- 一种目标检测方法、装置、设备、车辆及介质-202310746492.8
- 江伟 - 嬴彻星创智能科技（上海）有限公司
- 2023-06-21 - 2023-10-27 - G06V10/82
- 本发明提供一种目标检测方法、装置、设备、车辆及介质，包括：获取待检测图像以及预先训练好的目标检测模型；利用特征提取网络对待检测图像进行特征提取，获得特征信息；利用第一卷积网络对特征信息进行卷积操作，获得第一操作结果，第一卷积网络与第二卷积网络中包括轻量化卷积层或标准卷积层；将第一操作结果分别输入多个检测头中除了中心定位检测头之外的其他各个检测头中，获得多个检测信息；利用第二卷积网络对第一操作结果进行卷积操作，获得第二操作结果；将第二操作结果输入中心点定位检测头，获得中心点定位信息；根据中心点定位信息以及多个检测信息获得目标物体的检测结果。本发明能够提升各个检测头的检测效果。
- 基于深度残差二维随机配置网络的轻量型图像识别方法-202310916579.5
- 焦文华;李瑞林;周紫玥;朱永军;骆园;于博 - 中国矿业大学
- 2023-07-24 - 2023-10-27 - G06V10/82
- 本发明公开了基于深度残差二维随机配置网络的轻量型图像识别方法，涉及快速建模识别方法领域，包括以下步骤：S1：获取图像数据集；S2：逐层建立轻量型图像识别网络；S3：设置每层容差为建立新层的条件，并构建残差连接作为新层输入。本发明采用上述步骤，使用图像直接作为建模数据，保留图像的完整空间位置信息，引入深度残差随机配置神经网络，克服了单层网络学习能力不足和网络随着层数加深导致原始信息丢失的问题，并且在深度残差随机配置神经网络的层数和每层节点设置上，采用自适应算法设置，达到根据任务复杂度自动选择层数和每层节点数，克服了现有方法需要反复实验和先验经验来调整层数和节点数的缺点，大大提高了效率和实用性。
- 基于残差注意力机制和动态特征融合的不规则异物识别方法-202310652278.6
- 王春霖;吴春雷;李灿伟;朱明飞;陈竹筠 - 中国石油大学（华东）
- 2023-06-05 - 2023-10-27 - G06V10/82
- 传送带运输是我国工厂物料运输的主要方式，然而在其运输物料的过程中会出现给各种各样的问题，其中由于异物进入传送带而导致传送带损毁的事故占传送带事故总数的绝大部分。为了能够检出传送带上的异物，提出了一种新的单阶段异物检测模型。为了解决传统方法对于多尺度特征融合及表征能力不足的问题，设计了一种动态融合模块，该模块可以增强模型的多尺度特征融合及表征能力。针对传统方法中对于不规则异物图像特征提取能力不足的问题，设计了一种基于残差机制的双维度卷积模块，结合图像空间通道两个维度的信息有效提取图像的特征。除此之外，设计了一种基于重叠面积以及中心点距离的新损失函数，用于模型的优化和改进。
- 一种视觉联合特征的增量学习方法、装置及存储介质-202310305970.1
- 高斌斌 - 腾讯科技（深圳）有限公司
- 2023-03-21 - 2023-10-27 - G06V10/82
- 本发明公开了一种视觉联合特征的增量学习方法、装置及存储介质。该方法利用视觉语言模型来建模该视觉联合特征。模型的学习通过获取当前和采样历史样本图像和所有类别的文本提示，分别对其进行编码处理，得到对应图像的任务未知特征和所有类别提示的类别特征；基于图像任务未知特征利用视觉特征适应网络提取视觉感知特征；基于任务未知特征和任务感知特征获得当前和采样历史图像的视觉联合特征；基于该视觉联合特征与所有类别特征计算相似度确定预测分数，与对应图像的真实类别确定损失值；基于损失值，更新待视觉适应网络的参数，直至满足预设结束条件，得到更新后的视觉适应网络。视觉联合特征缓解增量学习中灾难性遗忘，提升模型持续学习能力。
- 图像识别方法、装置和存储介质及电子设备-202310239686.9
- 张博深 - 腾讯科技（深圳）有限公司
- 2023-03-03 - 2023-10-27 - G06V10/82
- 本申请公开了一种图像识别方法、装置和存储介质及电子设备。其中，该方法包括：获取待识别的目标图像；将目标图像输入图像识别模型，其中，图像识别模型为利用多个目标样本进行一次训练和二次训练得到的、用于识别图像的神经网络模型，目标样本为干净样本或噪声样本，噪声样本为在二次训练的训练过程中利用目标损失曲线对多个目标样本进行筛选后得到的样本，噪声样本对图像识别模型的更新权重小于干净样本对图像识别模型的更新权重；获取图像识别模型输出的图像识别结果，其中，图像识别结果用于指示目标图像的图像类型，可应用在人工智能场景中，涉及机器学习等技术。本申请解决了图像识别准确性较低的技术问题。
- 一种图像检测模型训练方法、装置、设备及存储介质-202211659395.7
- 聂强;徐尚;刘永;汪铖杰 - 腾讯科技（深圳）有限公司
- 2022-12-22 - 2023-10-27 - G06V10/82
- 本申请公开了一种图像检测模型训练方法、装置、设备及存储介质。该方法包括：将第一样本图像输入参考图像检测模型，得到第一样本图像的第一初始候选框和第一目标检测框；将包括第一样本图像和第二训练样本的待训练样本图像输入待训练图像检测模型，得到待训练样本图像的第二初始候选框和第二目标检测框；基于第一初始候选、第一目标检测框、第一样本图像的第二初始候选框和第二目标检测框，确定知识蒸馏损失信息；基于第二样本图像的标注检测框和第二目标检测框，确定标注损失信息；基于知识蒸馏损失信息和标注损失信息，训练待训练图像检测模型。利用本申请的方案可以实现待训练图像检测模型在保留旧知识和学习新知识之间达到平衡的训练效果。
- 图像识别方法、装置和存储介质及电子设备-202310238810.X
- 张博深 - 腾讯科技（深圳）有限公司
- 2023-03-03 - 2023-10-27 - G06V10/82
- 本申请公开了一种图像识别方法、装置和存储介质及电子设备。其中，该方法包括：获取待识别的目标图像；将目标图像输入图像识别模型，其中，图像识别模型为利用多个原始样本和多个目标样本进行训练得到的、用于识别图像主体的神经网络模型，目标样本为对第一样本对应的图像主体信息和第二样本进行结合后得到的噪声样本，多个原始样本包括第一样本和第二样本，图像主体信息为第一样本中的图像主体对应的信息；获取图像识别模型输出的图像识别结果，其中，图像识别结果用于指示目标图像中的图像主体属于的主体类型，可应用在云技术场景。本申请解决了图像识别准确性较低的技术问题。
- 图像识别模型的训练方法、图像识别方法及相关设备-202311041565.X
- 苑海川;杨亚刚;谭建斌;刘璐;张钦格 - 中国人民财产保险股份有限公司
- 2023-08-17 - 2023-10-27 - G06V10/82
- 本申请公开一种图像识别模型的训练方法、图像识别方法及相关设备，属于图像识别技术领域。该方法包括：获取图像数据样本集，使用图像数据样本集对对比学习模型进行迭代训练，得到图像识别模型；对图像数据样本集中图像数据样本进行数据增强处理，得到正样本图像；确定图像数据样本对应的样本特征向量与正样本图像对应的正样本特征向量之间的第一距离，以及与负样本图像对应的负样本特征向量之间的第二距离；根据第一距离和第二距离，确定对比学习模型的损失函数。这样，在保证图像识别精度的前提下，仅采用少量的标注样本进行模型训练，避免人工标注数据准确度不高的问题，提高模型的训练效果。
- 一种基于YOLOv5和ResNet50神经网络的化工废渣动态视觉识别方法-202310989543.X
- 臧建东;沈骞;胡婷;吴金花;徐寅 - 淮阴工学院
- 2023-08-08 - 2023-10-27 - G06V10/82
- 本发明公开了一种基于YOLOv5和ResNet50神经网络的化工废渣动态视觉识别方法，包括实时录制化工设备产物的视频；构建YOLOv5神经网络模型，并利用化工废渣数据集对该模型进行训练，获得化工废渣检测模型；利用化工废渣检测模型检测录制的视频，若该模型检测出视频出现的产物属于化工废渣，则在视频外接矩形框，裁剪出该产物的图像；构建ResNet50神经网络基础模型，并对该模型进行优化和改进，同时利用化工废渣数据集对该模型进行训练，获得化工废渣图像识别分类模型；利化工废渣图像识别分类模型对裁剪出的图像中出现的产物进行识别和分类。本发明解决了现有技术中使用卷积神经网络对化工废渣视频中显示的废渣进行识别分类时，准确率较低的问题。
- 一种红外与可见光特征融合的弱小目标检测方法及装置-202310813236.6
- 李宏菲;臧义华;杨晓梅;李奕洁;杨馨雨;马兴民;李雪扬;陈莉莉;凡叔军 - 中国电子科技集团公司第十五研究所
- 2023-07-05 - 2023-10-27 - G06V10/82
- 本发明提出了一种红外与可见光特征融合的弱小目标检测方法及装置，方法包括：分别对红外图像以及可见光图像进行预处理，红外图像以及可见光图像中包括至少一检测目标；利用配置的双流主干网络，分别提取红外图像以及可见光图像的图像特征并进行特征融合，以得到多尺度图像特征；基于多尺度图像特征，利用配置的定位分类模型，获取检测目标的位置信息与分类结果。本实施例提供的方法，通过双流主干网络模型对红外光与可见光两种模态数据实现特征提取，并通过跨模态的多层级间特征融合实现两种模态特征的互补，使用基于深度学习的网络实现对弱小目标的定位与分类，助力弱小目标检测精度的提升。
- 一种跨尺度的目标检测方法及系统-202310708941.X
- 吴晓;秦溧矫;李威;赵霄;向星军;夏伟峰 - 四川智慧高速科技有限公司;成都交大大数据科技有限公司
- 2023-06-15 - 2023-10-27 - G06V10/82
- 本发明涉及计算机视觉技术领域，公开了一种跨尺度的目标检测方法及系统，该方法，构建目标检测模型，目标检测模型以YOLOv5s检测模型为基准模型，通过自适应并行空间卷积模块、卷积与自注意力混合模块对目标特征进行提取，通过卷积与自注意力混合模块对全局特征进行学习，通过基于静动态上下文的特征融合模块对骨干网络的不同尺度的特征图进行融合。本发明解决了现有技术存在的跨尺度检测能力低、检测精度低等问题。
- 一种多尺度遥感图像目标检测方法及系统-202110507602.6
- 马文萍;李娜;朱浩;李腾武;焦李成;侯彪;武越 - 西安电子科技大学
- 2021-05-10 - 2023-10-27 - G06V10/82
- 本发明公开了一种多尺度遥感图像目标检测方法及系统，从遥感图像数据集中读取遥感图像，对图像进行预处理，构建训练数据集和测试数据集。构造基于冗余信息消除有效信息传递的多尺度遥感图形目标检测模型，用训练数据集对检测模型进行训练，利用训练好的目标检测模型对测试数据集进行分类；本发明引入浅层特征图中冗余信息消除策略、有效细节信息向深层特征图传递策略以及前景背景分离策略，提高了目标检测模型对小目标，密集分布目标的检测精度。可用于遥感图像目标检测任务。
- 语义分割网络的训练方法、装置、设备及存储介质-202111064182.5
- 郑喜民;陈振宏;舒畅;陈又新 - 平安科技（深圳）有限公司
- 2021-09-10 - 2023-10-27 - G06V10/82
- 本申请涉及人工智能技术和智慧城市领域，具体公开了一种语义分割网络的训练方法、装置、设备及存储介质，所述方法包括：获取样本图像和所述样本图像的兴趣点数据；将所述兴趣点数据与所述样本图像进行对齐，得到对齐后的样本图像；确定所述样本图像中的种子点；根据所述对齐后的样本图像和所述种子点生成种子线索；将所述种子线索和所述样本图像输入卷积网络中，并利用种子损失函数对所述卷积网络进行训练，将训练完成的卷积网络作为语义分割网络。能够提高语义分割网络的识别准确率。
- 可移动物体检测模型的构建方法、检测模型及检测方法-202310231073.0
- 陈文辉;杨艳青;赵辉煌;郑光勇;梁小满;林睦纲;万晓青 - 衡阳师范学院
- 2023-03-10 - 2023-10-27 - G06V10/82
- 本发明属于目标检测技术领域，具体涉及一种可移动物体检测模型的构建方法、检测模型及检测方法。该方法通过对训练数据图像中的标记样本进行分布计算，生成分布矩阵，并根据预设分布密度对分布矩阵进行编码，然后利用目标识别模型对标记样本进行预测，得到待识别可移动物体的置信度、预测数量和预测中心坐标，然后将待识别可移动物体的预测中心坐标映射到分布矩阵，得到预测中心坐标对应的区域密度编码，然后根据标记中心坐标与预测中心坐标的重叠度生成预测结果标志，最后利用上述数据组成数据集对MLP网络模型进行训练，得到可移动物体识别优化模型。本发明实现了在不改变前期网络的基础上增加分布概率的特征，提升了识别可移动物体的准确率。
- 一种数据处理方法、装置、设备以及计算机可读存储介质-202311009811.3
- 贺珂珂;朱俊伟;邰颖;汪铖杰 - 腾讯科技（深圳）有限公司
- 2023-08-11 - 2023-10-27 - G06V10/82
- 本申请实施例公开了一种数据处理方法、装置、设备以及计算机可读存储介质，该方法包括：对第一图像进行三维重建处理，得到三维特征，对第二图像进行对象识别处理，得到对象特征a；第一图像包括第一前景；第二图像包括第二前景；对第一图像进行背景提取处理，得到背景图像；将随机噪声图像、背景编码特征以及语义分割调整特征确定为初始输入特征，通过对象特征a以及三维特征，对初始输入特征进行特征去噪处理，得到待解码特征；对待解码特征进行特征解码处理，得到第三图像。采用本申请，可以提高新图生成质量。本申请实施例可应用于云技术、人工智能、智慧交通、辅助驾驶、音视频等各种场景。
- 智能光纤配线调度管理系统及其方法-202310972086.3
- 徐鹏飞;徐晓晨;钱炜 - 江苏泽宇智能电力股份有限公司
- 2023-08-03 - 2023-10-27 - G06V10/82
- 本发明公开了一种智能光纤配线调度管理系统及其方法，其通过OTDR设备向被检测光纤链路发送一系列光脉冲以得到一系列反射信号；基于所述一系列反射信号绘制反射图；从所述反射图中提取多个反射映射特征向量；基于所述多个反射映射特征向量，确定多个故障概率值；以及，基于所述多个故障概率值，确定故障点。这样，可以通过基于机器学习的人工智能技术对于OTDR设备向光纤链路发送光脉冲的反射信号图像进行图像分析来对于峰值和谷值等图像特征信息进行有效捕捉，从而快速定位光纤链路中的故障点，比如断纤、弯曲、连接器损坏等，以缩短维修时间，提高网络可靠性。
- 基于深度学习和遥感图像的城市内河水质评估方法-202311027670.8
- 黄风华;李秉政;曾江超;曹俊 - 阳光学院;福建智联空间信息技术研究院有限公司
- 2023-08-16 - 2023-10-27 - G06V10/82
- 本发明涉及神经网络技术领域，提出了基于深度学习和遥感图像的城市内河水质评估方法，包括：采集若干遥感图像组成神经网络的初始训练集，初始训练集中包括若干组训练数据；获取每张遥感图像的背景边缘部分，获取每张遥感图像背景边缘部分中每个位置的边缘特征及横向权重；获取每张遥感图像的边缘多样性及纵向权重，根据横向权重及纵向权重对每组训练数据中的遥感图像进行融合，得到若干融合图像；根据每组训练数据及融合图像不断融合，最终得到扩大训练集并对神经网络进行训练，实现根据遥感图像对城市内河水质的评估。本发明旨在解决神经网络训练过程中训练集中遥感图像较为相似而无法得到能够较好评估内河水质的神经网络模型的问题。
- 一种基于多级注意力的图像目标检测方法、系统与装置-202110798192.5
- 张重阳;赵炳堃 - 上海交通大学
- 2021-07-15 - 2023-10-27 - G06V10/82
- 本发明公开一种基于多级注意力的图像目标检测方法、系统与装置，包括：基于深度卷积神经网络构造一个特征提取器，作为骨干网络，将图像输入骨干网络中提取图像的深度特征；基于卷积神经网络构造一个分支网络，作为注意力分支；将图像的深度特征输入注意力分支，得到一个多级注意力权重图；将多级注意力权重图与图像的深度特征相乘，得到加权特征图；将加权特征图输入RPN模块，得到目标候选框；将目标候选框对应的加权特征图送入分类与回归模块，得到目标检出框。本发明可以在依据感兴趣的程度分级提取图像中的目标，从而在很大程度上降低监控系统中人员等特定图像目标、工业产品中缺陷等图像目标检测中因背景区域扰动产生的误检。
- 一种面向机器人抓取的杏鲍菇表面图像处理方法-202310894997.9
- 胡荣林;马宇昂;冯万利;庄军 - 江苏清软智能科技有限公司
- 2023-07-20 - 2023-10-24 - G06V10/82
- 本发明公开了一种面向机器人抓取的杏鲍菇表面图像处理方法，方法主要是利用神经网络对传入的RGB‑D杏鲍菇图片进行处理得到多尺度目标特征张量，通过注意力机制模块对多尺度特征张量进行处理，之后通过残差上采样模块，通过神经网络输出结果，经计算输出杏鲍菇坐标位置以及抓取角度。本发明通过在通过使用SetFeat网络，在不增加参数量的情况下，提高了对图像中杏鲍菇特征提取，实现了对杏鲍菇坐标位置定位以精度及抓取角度精度的进一步提高。
- 基于改进YOLOv5的轻量级表计指针识读方法-202310889829.0
- 邹乐;王凯;吴志泽;孙强;王城城;沈亦军 - 合肥学院
- 2023-07-19 - 2023-10-24 - G06V10/82
- 基于改进YOLOv5的轻量级表计指针识读方法，涉及人工智能信息领域。本发明基于改进YOLOv5模型构建了轻量级目标检测算法YOLOv5‑MRL，该算法首先基于轻量化网络GhostNet构建YOLOv5s的骨干网络，在保持精度的同时提高检测速度。然后，基于卷积核通道软剪枝算法对YOLOv5s进行剪枝，在保持一定精度损失条件下，极大的减少了YOLOv5‑MRL模型的参数量。最后，为了便于表盘读数，提出表盘外接圆拟合法，利用圆心角算法计算表盘读数。实验结果表明，YOLOv5‑MRL目标检测模型的平均精度达到了96.3％，检测速度达到了5ms/帧，模型权重大小为5MB，优于其他先进的表盘识读模型。
- 面向图像采集的目标检测对抗攻击方法及介质-202310930713.7
- 赵金雄;马志程;马宏忠;张驯;狄磊;赵红;杨岚;白万荣;张和慧;魏峰;王迪;王蓉;朱文堂;余军;耿江屹 - 国网甘肃省电力公司电力科学研究院;瑞芯科技（河北雄安）有限公司;湖北星地智链科技有限公司
- 2023-07-27 - 2023-10-24 - G06V10/82
- 本发明公开了面向图像采集的目标检测对抗攻击方法及介质，包括：根据获取目标检测任务使用的数据集，构造训练集以及测试集；使用训练集训练目标检测模型；选择测试集的某一图片作为攻击目标，使用目标检测模型对其进行测试，生成预测定位框区域；选择类别激活映射图算法对选择的攻击目标图片生成类别激活映射区域；将得到的预测定位框与类别激活映射区域求并集，将结果作为初始扰动区域，在初始扰动区域生成对抗扰动，与选择的攻击目标图片叠加生成最终对抗样本。本发明具有更强的视觉不可见性和攻击性，且可作为任意对抗样本生成算法进行组合，具有高扩展性与适应性。
- 基于掩码增强和自注意力机制的无监督域自适应SAR影像的水体提取方法、系统、设备及介质-202310977795.0
- 陈亚涵;任仲乐;侯彪;王凯;罗星宇;任博;杨晨;焦李成 - 西安电子科技大学
- 2023-08-04 - 2023-10-24 - G06V10/82
- 基于掩码增强和自注意力机制的无监督域自适应SAR影像的水体提取方法、系统、设备及介质，方法包括：从存在域差异的高分辨率大场景SAR影像中，选取一张为源域图像，另一张为目标域图像，对源域和目标域图像分别标签，将图像及对应标签均进行裁剪；构建深度自注意力网络；建立掩码增强模块，获取包含局部信息的目标域掩码增强图像；使用无监督域自适应方法和掩码增强模块对深度自注意力网络在线自训练；重复并达到最大训练次数，获得训练好的网络模型；将目标域图像及对应标签送入训练好的网络模型进行水体提取，得到预测结果图，计算分类指标；系统、设备及介质用于实现该方法；本发明能够进一步关注不容易被提取的水体精细特征，且提高了模型泛化能力。
- 基于RepCSC-Net的乳腺肿瘤良恶性识别方法-202310598706.1
- 杨晓慧;宋宇;王斌杰;彭李超;王小丹;杨利军;郑晨 - 河南大学
- 2023-05-20 - 2023-10-24 - G06V10/82
- 本发明涉及智慧医疗技术领域，具体涉及一种基于RepCSC‑Net的乳腺肿瘤良恶性识别方法，包括：获取乳腺钼靶影像数据集，对乳腺钼靶影像数据集进行图像增强处理，并分为训练集、验证集和测试集；构建具有结构重参数化策略的RepCSC模块，获得RepCSC‑Net模型；获得训练后的RepCSC‑Net模型，进而获得验证后的RepCSC‑Net模型；将测试集输入到验证后的RepCSC‑Net模型，输出乳腺肿瘤的识别结果。本发明通过构建RepCSC‑Net模型，有效提高了乳腺肿瘤良恶性识别精度，可以应用于肿瘤良恶性识别领域。
- 一种不规则交通道路目标检测方法和系统-202310890111.3
- 卜佳俊;章越清;于智;周晟;顾静军;王炜 - 浙江大学
- 2023-07-19 - 2023-10-24 - G06V10/82
- 本发明涉及目标检测技术领域，具体涉及一种不规则交通道路目标检测方法和系统，所述方法包括，采集并制作数据集，将数据集划分为训练集、验证集和测试集；构建不规则交通道路目标检测网络模型；将训练集的数据进行预处理得到角点信息和偏移量信息，将角点信息和偏移量信息附加在数据label上导入不规则交通道路目标检测网络模型中进行训练；将测试集代入到不规则交通道路目标检测网络模型进行预测，计算模型精度；根据获取到的图像输入不规则交通道路目标检测网络模型，判断得出道路所在位置，并提示视障用户出行。本发明实现了高精度、轻量级的贴合道路外轮廓的目标检测，同时采用道路位置判断方法，辅助视障人士在交通道路上实现安全行进。
- 一种基于神经网络的伪装目标检测方法、装置及存储介质-202311195784.3
- 李明;曹海;李元旭;吴薇 - 北京理工导航控制科技股份有限公司
- 2023-09-15 - 2023-10-24 - G06V10/82
- 本发明提出了一种基于神经网络的伪装目标检测方法、装置及存储介质，该方法包括：将连续的两帧侦察视频图像分别进行预处理得到对应的图像向量；将两帧侦察视频图像分别的对应的图像向量使用编码器进行编码后计算两帧图像之间的短期运动相关性信息；将所述短期运动相关性信息输入至训练后的卷积神经网络模型中进行伪装目标对象分割，并进行掩码处理后得到伪装目标对象短期预测的二值化掩码图像预测值；将一段时间内的图像序列与其伪装目标对象短期预测的二值化掩码图像预测值构成的短期预测序列输入至解码器中进行长期一致性优化后输出连续的伪装目标对象检测结果，提高了伪装目标对象的检测准确度。
- 模型训练方法、图像识别方法、装置、设备及介质-202311193895.0
- 王强;鄢科 - 腾讯科技（深圳）有限公司
- 2023-09-15 - 2023-10-24 - G06V10/82
- 本申请实施例提供了一种模型训练方法、图像识别方法、装置、设备及介质，用于降低训练成本，并提升图像识别模型的识别鲁棒性，可应用于人工智能、云技术、智慧交通、辅助驾驶等各种场景。方法包括：获取具有相同的网络结构的初始学生模型和初始教师模型以及第一训练图像；基于第一训练图像对初始学生模型进行训练得到具有第一网络参数的学生模型；基于第二训练图像对初始教师模型进行迭代训练得到教师模型，同时在迭代训练过程中利用指数滑动平均根据教师模型的网络参数更新学生模型的网络参数；直到迭代训练达到教师模型的收敛条件，输出目标学生模型。
- 一种基于改进的YOLOv5煤矿变电所开关柜目标检测方法-202310871542.5
- 杨晓冬;刘谢玉;李明涛;袁亚琦;张冒晟 - 盐城工学院
- 2023-07-17 - 2023-10-20 - G06V10/82
- 本发明公开了一种基于改进的YOLOv5煤矿变电所开关柜目标检测方法，属于目标检测和深度学习技术领域。该方法基于YOLOv5检测网络进行改进，并在Head模块增加一个小尺寸目标检测头分支，从而提高开关柜检测效果；主干特征提取网络CSPDarknet53中的C3层的Bott l eneck模块替换成拥有部分卷积的Faster_B l ock，能有效来减少计算量和参数数量。为了增强主干网络对于不同尺度特征的建模能力，在CSPDarknet53网络插入了无参注意力机制来提高目标检测的精度和稳定性；增加160*160像素的小尺寸目标检测头分支，改善了小目标特征易丢失的问题，在训练过程中能够为模型提供更准确的优化目标，引导网络更好地学习目标的位置和形状信息，提升目标检测任务的准确率和稳定性，使得模型在复杂场景下的表现更加出色。
- 一种对象检测模型训练方法、装置、电子设备及存储介质-202310897761.0
- 王督;彭博;李哲暘;谭文明;任烨 - 杭州海康威视数字技术股份有限公司
- 2023-07-20 - 2023-10-20 - G06V10/82
- 本申请实施例提供了一种对象检测模型训练方法、装置、电子设备及存储介质，应用于信息技术领域。应用本申请的方法，可以对对象检测模型训练过程中的网络层权重、输入以及激活值梯度进行量化，从而达到加速对象检测模型训练的目的。本申请将第一激活值梯度按照输出通道方向切割得到第二激活值梯度并计算缩放系数，再通过缩放系数与第二激活值梯度对网络层的输入梯度与网络层的权重梯度进行等价计算，降低对象检测模型在反向传播过程中量化梯度所带来的误差，从而在加速对象检测模型训练的同时，提升对象检测模型的准确度，达到对象检测模型训练效率与训练效果的平衡。
- 专利分类
