-
公开(公告)号：CN112801146B
公开(公告)日：2024-03-19
申请号：CN202110039522.2
申请日：2021-01-13
申请人： 华中科技大学
IPC分类号： G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0464 , G06T3/4038
摘要： 本发明公开了一种目标检测方法和系统，针对目标检测任务需要自注意力关注特定类别目标对应原始图像所在区域的特点，将注意力机制运用于目标检测中，所设计的网络结构不同于通用的元学习网络框架，采用分类分支层所得的类别概率监督与特征提取层连接的类别注意力层，从而引导回归分支层进行目标位置的计算，实现基于类别区分的自监督注意力机制，提升目标检测模型的检测精度。进一步地，结合小样本目标检测任务由于小样本数量较少，网络难以学习到小样本特征的特点，将大样本图像和小样本图像进行拼接，作为样本图像对目标检测模型进行训练，使得网络兼顾学习大样本图像和小样本图像，从提升目标检测模型的对小样本的检测能力。
-
公开(公告)号：CN114741487A
公开(公告)日：2022-07-12
申请号：CN202210231146.1
申请日：2022-03-09
申请人： 华中科技大学
IPC分类号： G06F16/332 , G06F16/33 , G06F16/532 , G06F16/583 , G06N3/04
摘要： 本发明公开了一种基于图文语义嵌入的图文检索方法及系统，属于多模态深度学习领域，方法包括：利用图文语义嵌入模型对待检索目标以及数据库中各相应的待匹配对象进行特征提取；特征提取包括：图像侧特征嵌入网络以分组卷积的方式对图像进行特征提取，通过动态最大最小池化对提取到的图像特征进行编码，对编码结果进行标准化处理得到图像特征嵌入向量；文本侧特征嵌入网络对文本进行特征提取，得到文本特征嵌入向量；对图像特征嵌入向量和文本特征嵌入向量进行向量拼接与交叉后输入联合嵌入网络，以得到相应图像文本对的相似度；将相似度最高的预设数量个待匹配对象作为检索结果，并输出检索结果及相应的相似度。
-
公开(公告)号：CN115526777A
公开(公告)日：2022-12-27
申请号：CN202211081493.7
申请日：2022-09-06
申请人： 华中科技大学
摘要： 本发明公开了一种盲超分网络建立方法、盲超分方法及存储介质，属于计算机视觉领域，包括：由高分辨率图像及对应的退化图像构建训练样本，并划分训练集、测试集和验证集；构建盲超分网络，包括退化估计网络和生成网络；生成网络包括上采样网络和含有交替连接的多个可变形卷积层和特征提取模块的特征提取网络；退化估计网络估计输入图像中各像素位置的退化信息并分别输入至各可变形卷积层；特征提取网络提取输入图像的特征图后，由上采样模块重建为输入图像尺寸的指定放大倍数，得到超分图像；以训练样本中的退化图像为输入图像，对盲超分网络进行训练、测试和验证，得到用于对图像进行超分辨率重建的盲超分网络。本发明能够提高超分辨率重建效果。
-
公开(公告)号：CN114741487B
公开(公告)日：2024-07-19
申请号：CN202210231146.1
申请日：2022-03-09
申请人： 华中科技大学
IPC分类号： G06F16/332 , G06F16/33 , G06F16/532 , G06F16/583 , G06N3/0464
摘要： 本发明公开了一种基于图文语义嵌入的图文检索方法及系统，属于多模态深度学习领域，方法包括：利用图文语义嵌入模型对待检索目标以及数据库中各相应的待匹配对象进行特征提取；特征提取包括：图像侧特征嵌入网络以分组卷积的方式对图像进行特征提取，通过动态最大最小池化对提取到的图像特征进行编码，对编码结果进行标准化处理得到图像特征嵌入向量；文本侧特征嵌入网络对文本进行特征提取，得到文本特征嵌入向量；对图像特征嵌入向量和文本特征嵌入向量进行向量拼接与交叉后输入联合嵌入网络，以得到相应图像文本对的相似度；将相似度最高的预设数量个待匹配对象作为检索结果，并输出检索结果及相应的相似度。
-
公开(公告)号：CN115439681A
公开(公告)日：2022-12-06
申请号：CN202210978719.7
申请日：2022-08-16
申请人： 华中科技大学
IPC分类号： G06V10/764 , G06V10/77 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于特征重映射的图像多分类网络结构及训练方法，在多分类网络训练期间，将样本同时输入至待训练的多分类网络和训练好的二分类网络，利用二分类网络输出的分类结果修正多分类网络输出的分类结果，使多分类网络在训练期间输出的正常类别概率趋近二分类网络输出的正常类别概率，实现特征重映射。通过训练好的二分类网络对多分类网络的正常样本类别结果进行修正，可以提高多分类网络对正常类别样本的识别精度，尤其是在正常样本较少的情况下，也能得到对正常类别样本的识别精度较高的多分类网络。
-
公开(公告)号：CN112801146A
公开(公告)日：2021-05-14
申请号：CN202110039522.2
申请日：2021-01-13
申请人： 华中科技大学
摘要： 本发明公开了一种目标检测方法和系统，针对目标检测任务需要自注意力关注特定类别目标对应原始图像所在区域的特点，将注意力机制运用于目标检测中，所设计的网络结构不同于通用的元学习网络框架，采用分类分支层所得的类别概率监督与特征提取层连接的类别注意力层，从而引导回归分支层进行目标位置的计算，实现基于类别区分的自监督注意力机制，提升目标检测模型的检测精度。进一步地，结合小样本目标检测任务由于小样本数量较少，网络难以学习到小样本特征的特点，将大样本图像和小样本图像进行拼接，作为样本图像对目标检测模型进行训练，使得网络兼顾学习大样本图像和小样本图像，从提升目标检测模型的对小样本的检测能力。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.023 秒)
