公开(公告)号：CN116503603B

公开(公告)日：2024-02-23

申请号：CN202310550746.9

申请日：2023-05-16

申请人： 北京交通大学

发明人： 李艳凤 ,  薛盼 ,  陈后金 ,  孙嘉 ,  陈新

IPC分类号： G06V10/26 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/774 ,  G06V10/40 ,  G06V10/77

摘要： 一种基于弱监督语义分割和特征弥补的类间遮挡目标检测网络模型的训练方法，所述弱监督语义分割和特征弥补的类间遮挡目标检测网络模型包括卷积神经网络、弱监督语义分割模块、特征弥补模块，包括如下步骤：将预处理原始图输入卷积神经网络进行特征提取，获得若干检测层的若干输出特征图；将所述若干输出特征图输入弱监督语义分割模块进行特征优化获得卷积神经网络的损失函数L0和分割损失函数Lseg,将优化后的特征图输入特征弥补模块获得弥补损失函数Lre，将所有损失叠加得到总体损失并进行反向传播，更新网络权重，直至网络收敛。分别从数据增强、特征提取、特征空间这三个方面进行优化，提高了检测目标被遮挡时的识别精度。

公开(公告)号：CN116503603A

公开(公告)日：2023-07-28

申请号：CN202310550746.9

申请日：2023-05-16

申请人： 北京交通大学

发明人： 李艳凤 ,  薛盼 ,  陈后金 ,  孙嘉 ,  陈新

IPC分类号： G06V10/26 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/774 ,  G06V10/40 ,  G06V10/77

摘要： 一种基于弱监督语义分割和特征弥补的类间遮挡目标检测网络模型的训练方法，所述弱监督语义分割和特征弥补的类间遮挡目标检测网络模型包括卷积神经网络、弱监督语义分割模块、特征弥补模块，包括如下步骤：将预处理原始图输入卷积神经网络进行特征提取，获得若干检测层的若干输出特征图；将所述若干输出特征图输入弱监督语义分割模块进行特征优化获得卷积神经网络的损失函数L0和分割损失函数Lseg,将优化后的特征图输入特征弥补模块获得弥补损失函数Lre，将所有损失叠加得到总体损失并进行反向传播，更新网络权重，直至网络收敛。分别从数据增强、特征提取、特征空间这三个方面进行优化，提高了检测目标被遮挡时的识别精度。