-
公开(公告)号：CN113255793A
公开(公告)日：2021-08-13
申请号：CN202110607551.4
申请日：2021-06-01
申请人： 之江实验室
摘要： 本发明公开了一种基于对比学习的细粒度舰船识别方法，采集并标注舰船分类数据集，并对每张图像采用几种不同的数据增强方式获得图像集合，依次组合成同类与非同类图像集合对，交替输入孪生分类网络进行图像特征提取与分类，通过三个损失函数分别提取图像的等变性特征、判别性特征以及多维融合特征，最终实现同类别舰船分类相同，不同类别舰船之间可有效区分的效果。本发明弥补了舰船类别分布不平衡、样本规模较小的实际问题，通过对比学习有效提升了细粒度分类的性能，通过提取等变特征提高了模型的泛化性，能适用于实战多变场景。
-
公开(公告)号：CN113298890B
公开(公告)日：2022-07-15
申请号：CN202110527552.8
申请日：2021-05-14
摘要： 本发明公开了非尺度混叠及边缘保留的图像多尺度分解方法及调色方法，在图像中，通过定义新型局部均值包络像素点，采取三次插值算法，获取自适应局部均值曲面，从而迭代操作获得多尺度图像分解，可以实现同时具有边缘保留和非尺度混叠双特性的图像多尺度分解，以得到含有不同尺度信息的高精度的精准的图像解析，对解析的各分量采用设定的线性或非线性算子操作，进一步可以实现灰度图像和彩色图像的多尺度调色处理。本发明的效果和益处是，提供了一种有效的同时具有边缘保留和非尺度混叠双特性的图像多尺度分解算法，可以同时实现无振铃现象和非尺度混合的图像分解以及在此基础上的多尺度调色应用。
-
公开(公告)号：CN114003770A
公开(公告)日：2022-02-01
申请号：CN202111084182.1
申请日：2021-09-15
IPC分类号： G06F16/783 , G06K9/62 , G06N3/04
摘要： 本发明涉及视频跨模态检索技术领域，尤其涉及一种受阅读策略启发的跨模态视频检索方法，对于视频编码，采用预览分支和精读分支共同学习来表示视频，预览分支旨在简要地捕捉视频的概述信息，而精读分支旨在获取更深入的信息，本发明将从预览分支生成的较早的视频特征集成到精读分支中，对精读分支的特征提取做进一步指导，使得精读分支可以感知预览分支捕获的视频概述，用于提取更细粒度的特征，将两个分支的得到特征分别与文本特征映射到两个不同的混合空间中，在混合空间中进行跨模态匹配，从而实现文本到视频的跨模态检索。本发明使用端到端的方式训练模型，并在性能和模型复杂度上达到了最佳平衡。
-
公开(公告)号：CN113255793B
公开(公告)日：2021-11-30
申请号：CN202110607551.4
申请日：2021-06-01
申请人： 之江实验室
摘要： 本发明公开了一种基于对比学习的细粒度舰船识别方法，采集并标注舰船分类数据集，并对每张图像采用几种不同的数据增强方式获得图像集合，依次组合成同类与非同类图像集合对，交替输入孪生分类网络进行图像特征提取与分类，通过三个损失函数分别提取图像的等变性特征、判别性特征以及多维融合特征，最终实现同类别舰船分类相同，不同类别舰船之间可有效区分的效果。本发明弥补了舰船类别分布不平衡、样本规模较小的实际问题，通过对比学习有效提升了细粒度分类的性能，通过提取等变特征提高了模型的泛化性，能适用于实战多变场景。
-
公开(公告)号：CN114399640B
公开(公告)日：2022-07-15
申请号：CN202210292106.8
申请日：2022-03-24
IPC分类号： G06V10/26 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04
摘要： 本发明公开了一种不确定区域发现与模型改进的道路分割方法及装置，首先使用来自源域的标记数据来学习初始分割模型，然后初始分割模型在目标域中进行自训练得到不同分割模型，通过对比来自不同分割模型的分割结果确定目标域图像中的不确定区域并进行标记，从而解决伪标签中的冗余和噪声导致的分割模型性能下降问题；然后再根据标记信息对模型进行优化，采用师生模块，学生模型专注于合并新的标记信息，而教师模型平衡历史模型和标记信号以防止对标记区域的过度拟合；新优化分割模型再次进行自训练得到不同分割模型，重复上述步骤，直到达到设定的停止条件。
-
公开(公告)号：CN114399640A
公开(公告)日：2022-04-26
申请号：CN202210292106.8
申请日：2022-03-24
IPC分类号： G06V10/26 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04
摘要： 本发明公开了一种不确定区域发现与模型改进的道路分割方法及装置，首先使用来自源域的标记数据来学习初始分割模型，然后初始分割模型在目标域中进行自训练得到不同分割模型，通过对比来自不同分割模型的分割结果确定目标域图像中的不确定区域并进行标记，从而解决伪标签中的冗余和噪声导致的分割模型性能下降问题；然后再根据标记信息对模型进行优化，采用师生模块，学生模型专注于合并新的标记信息，而教师模型平衡历史模型和标记信号以防止对标记区域的过度拟合；新优化分割模型再次进行自训练得到不同分割模型，重复上述步骤，直到达到设定的停止条件。
-
公开(公告)号：CN113298890A
公开(公告)日：2021-08-24
申请号：CN202110527552.8
申请日：2021-05-14
摘要： 本发明公开了非尺度混叠及边缘保留的图像多尺度分解方法及调色方法，在图像中，通过定义新型局部均值包络像素点，采取三次插值算法，获取自适应局部均值曲面，从而迭代操作获得多尺度图像分解，可以实现同时具有边缘保留和非尺度混叠双特性的图像多尺度分解，以得到含有不同尺度信息的高精度的精准的图像解析，对解析的各分量采用设定的线性或非线性算子操作，进一步可以实现灰度图像和彩色图像的多尺度调色处理。本发明的效果和益处是，提供了一种有效的同时具有边缘保留和非尺度混叠双特性的图像多尺度分解算法，可以同时实现无振铃现象和非尺度混合的图像分解以及在此基础上的多尺度调色应用。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.017 秒)
