-
公开(公告)号:CN116580230A
公开(公告)日:2023-08-11
申请号:CN202310472332.9
申请日:2023-04-24
申请人: 人工智能与数字经济广东省实验室(深圳) , 深圳市国电科技通信有限公司
IPC分类号: G06V10/764 , G06V10/80 , G06V10/52 , G06V10/774 , G06V10/25
摘要: 本申请涉及机器视觉技术领域,提供一种目标检测方法及一种分类模型的训练方法,一种目标检测方法包括获取待检测图像,并确定待检测图像中的感兴趣区域;将感兴趣区域分别输入至分类模型中的多个基学习器,利用多个基学习器分别输出与感兴趣区域对应的各候选标签的预测分类分数;各基学习器分别根据不同特征类型的样本特征训练得到;根据各预测分类分数从各候选标签中确定与感兴趣区域对应的分类标签;确定与感兴趣区域对应的位置信息;根据分类标签和位置信息输出待检测图像的检测结果。本方法能够利用各基学习器根据待检测图像的各特征精准确定出对应的预测分类分数,进而精准确定出分类标签,因此能够提高目标检测的精准度。
-
公开(公告)号:CN117079249A
公开(公告)日:2023-11-17
申请号:CN202311010528.2
申请日:2023-08-10
申请人: 深圳元戎启行科技有限公司 , 人工智能与数字经济广东省实验室(深圳)
IPC分类号: G06V20/58 , G06V10/774 , G06V10/98 , G06V10/44
摘要: 本发明公开了一种基于图表示域适应的目标检测模型训练方法,首先基于源域的数据集预训练目标检测模型,在源域中学习准确预测目标类别和边界框的能力,然后通过将特征图转换为基于图表示的节点群,采用对比分布损失和节点协方差对齐损失对节点进行精练和强化,能够解耦域特征以及类别的不变性特征,选择性地去除域风格的元素,提高目标检测模型的泛化能力。针对图中的异常节点,采用异常节点过滤损失对图进行优化,降低奇怪语义节点所占比例,提高训练后的目标检测模型的检测精度。使得训练后的目标检测模型具有良好鲁棒性和泛化性。
-