公开(公告)号：CN109447943B

公开(公告)日：2020-08-14

申请号：CN201811106758.8

申请日：2018-09-21

申请人： 中国科学院深圳先进技术研究院

发明人： 张维桐 ,  田艳玲 ,  张锲石 ,  程俊

IPC分类号： G06T7/00 ,  G06N3/04

摘要： 本发明提供了一种目标检测方法、系统及终端设备，其中，方法包括：利用卷积神经网络，使用检测框从被测图像中提取若干个目标；获取目标的特征属性，所述特征属性包括空间特征和显式特征；根据所述特征属性，基于关系计算模型，计算目标间的关联特征；利用所述关联特征对所述目标的特征属性进行整合，得到聚合特征；将所述聚合特征代入由所述卷积神经网络的全连接层和所述关系计算模型组成的回溯关系子网络，计算准预测分数；根据所述准预测分数和所述检测框，计算分类分数；根据所述分类分数对目标进行分类检测。本发明极大提高了目标检测的效率和准确度。

公开(公告)号：CN109801307A

公开(公告)日：2019-05-24

申请号：CN201811542525.2

申请日：2018-12-17

申请人： 中国科学院深圳先进技术研究院

发明人： 张维桐 ,  张锲石 ,  程俊

IPC分类号： G06T7/194 ,  G06T7/136 ,  G06T7/13 ,  G06K9/62

摘要： 一种全景分割方法包括：获取待分割的原始图像；对所述原始图像进行语义分割，以及通过嵌入空间的度量距离学习方法，对所述原始图像进行实例分割；将实例分割得到的目标和背景作为实例，通过语义分割输出图进行引导，使嵌入空间的实例之间的中心互相排斥，实例范围内的像素吸引至实例中心，对图像进行分割；采用聚类损失函数进一步区分不同实例，得到全景分割结果。基于语义分割图像进行嵌入空间聚类操作，得以对图像所有像素进行处理，并通过损失函数进一步区分不同实例，从而实现了端到端的全景分割网络框架。

公开(公告)号：CN109447943A

公开(公告)日：2019-03-08

申请号：CN201811106758.8

申请日：2018-09-21

申请人： 中国科学院深圳先进技术研究院

发明人： 张维桐 ,  田艳玲 ,  张锲石 ,  程俊

IPC分类号： G06T7/00 ,  G06N3/04

摘要： 本发明提供了一种目标检测方法、系统及终端设备，其中，方法包括：利用卷积神经网络，使用检测框从被测图像中提取若干个目标；获取目标的特征属性，所述特征属性包括空间特征和显式特征；根据所述特征属性，基于关系计算模型，计算目标间的关联特征；利用所述关联特征对所述目标的特征属性进行整合，得到聚合特征；将所述聚合特征代入由所述卷积神经网络的全连接层和所述关系计算模型组成的回溯关系子网络，计算准预测分数；根据所述准预测分数和所述检测框，计算分类分数；根据所述分类分数对目标进行分类检测。本发明极大提高了目标检测的效率和准确度。