公开(公告)号：CN116109841B

公开(公告)日：2023-08-15

申请号：CN202310380077.5

申请日：2023-04-11

Applicant: 之江实验室

Inventor： 李浩宇 ,  梅继林 ,  胡瑜 ,  李玮 ,  高少波

IPC: G06V10/44 ,  G06N3/04 ,  G06N3/084 ,  G06V10/25 ,  G06V10/764 ,  G06V10/774

Abstract: 本发明公开了一种基于动态语义向量的零样本目标检测方法及装置，通过将可见类的语义向量设置为网络参数，然后通过设计的两路分类分支网络结构、引入N‑pair loss损失函数，在训练过程中结合可见类视觉特征修改可见类的语义向量在语义空间中的分布，以获得更合理的语义向量分布，从而同时提高对可见类和不可见类的检测效果。本发明解决了部分类别对象数据难采样前提下如何进行目标检测这一问题，且相比以往的零样本目标检测，本发明基于动态语义向量建模，语义分布更好的贴近视觉特征分布，因此具有更高的目标检测精度。

公开(公告)号：CN116109841A

公开(公告)日：2023-05-12

申请号：CN202310380077.5

申请日：2023-04-11

Applicant: 之江实验室

Inventor： 李浩宇 ,  梅继林 ,  胡瑜 ,  李玮 ,  高少波

IPC: G06V10/44 ,  G06N3/04 ,  G06N3/084 ,  G06V10/25 ,  G06V10/764 ,  G06V10/774

Abstract: 本发明公开了一种基于动态语义向量的零样本目标检测方法及装置，通过将可见类的语义向量设置为网络参数，然后通过设计的两路分类分支网络结构、引入N‑pair loss损失函数，在训练过程中结合可见类视觉特征修改可见类的语义向量在语义空间中的分布，以获得更合理的语义向量分布，从而同时提高对可见类和不可见类的检测效果。本发明解决了部分类别对象数据难采样前提下如何进行目标检测这一问题，且相比以往的零样本目标检测，本发明基于动态语义向量建模，语义分布更好的贴近视觉特征分布，因此具有更高的目标检测精度。