-
公开(公告)号:CN111368989A
公开(公告)日:2020-07-03
申请号:CN201811592198.1
申请日:2018-12-25
申请人: 同方威视技术股份有限公司 , 同方威视科技江苏有限公司
摘要: 本发明公开一种神经网络模型的训练方法、装置、设备及可读存储介质。该方法包括:获取图像训练数据集;根据图像训练数据集,创建小批量样本集;获取小批量样本集的特征集合;依次以小批量样本集中的每一个待训练图像作为锚点,分别为每个锚点在特征集合中确定其对应的难正例的特征与难负例的特征;根据每一个锚点的特征及其对应的难正例的特征与难负例的特征,确定小批量样本集的三元组损失;根据小批量样本集的三元组损失,训练神经网络模型;以及当小批量样本集的三元组损失的曲线收敛到预期状态时,确定当前的神经网络模型为训练完成后的神经网络模型。该方法能够提高网络收敛速度、泛化能力及算法性能。
-
公开(公告)号:CN117975092A
公开(公告)日:2024-05-03
申请号:CN202311665001.3
申请日:2023-12-06
申请人: 同方威视科技江苏有限公司 , 同方威视技术股份有限公司
IPC分类号: G06V10/764 , G06V10/762 , G06V10/40 , G06V10/82 , G06V10/75 , G06N3/045 , G06N3/0464 , G06N3/08
摘要: 本公开涉及用于货物图像的训练和识别方法以及相应装置。训练方法包括:获取多个货物图像以及多个货物图像的货物区域的相应货物类别;对多个货物图像进行语义分析,以获取多个货物图像的货物区域的局部化框图;基于多个货物图像的货物区域的局部化框图,对多个货物图像进行特征提取,以获取多个货物图像的货物区域的特征向量;基于多个货物图像的货物区域的相应货物类别,对多个货物图像的货物区域的特征向量进行层次聚类处理,以获取多个货物类别中的每个货物类别的标准特征向量;以及基于多个货物类别中的每个货物类别的标准特征向量,为每个货物类别分别建立独立阈值。
-
公开(公告)号:CN113642590A
公开(公告)日:2021-11-12
申请号:CN202010342182.6
申请日:2020-04-27
申请人: 同方威视科技江苏有限公司 , 同方威视技术股份有限公司 , 清华大学
摘要: 本公开提供一种货物图像处理方法、装置、设备及存储介质,涉及图像处理技术领域。该方法包括:获取训练图像和标签;通过特征提取网络提取所述训练图像的特征获得特征向量;获取分类网络的权重向量,所述分类网络包括分类全连接层;对所述权重向量进行归一化处理获得归一化的权重向量;基于所述特征向量和所述归一化的权重向量通过所述分类全连接层获得分类模型输入;根据所述分类模型输入和所述标签获得损失函数;基于所述损失函数训练所述特征提取网络和所述分类网络以识别图像中的货物。该方法实现了一定程度上提高基于深度学习算法的辐射图像分类模型的精度。
-
公开(公告)号:CN111368989B
公开(公告)日:2023-06-16
申请号:CN201811592198.1
申请日:2018-12-25
申请人: 同方威视技术股份有限公司 , 同方威视科技江苏有限公司
IPC分类号: G06N3/084 , G06V10/774
摘要: 本发明公开一种神经网络模型的训练方法、装置、设备及可读存储介质。该方法包括:获取图像训练数据集;根据图像训练数据集,创建小批量样本集;获取小批量样本集的特征集合;依次以小批量样本集中的每一个待训练图像作为锚点,分别为每个锚点在特征集合中确定其对应的难正例的特征与难负例的特征;根据每一个锚点的特征及其对应的难正例的特征与难负例的特征,确定小批量样本集的三元组损失;根据小批量样本集的三元组损失,训练神经网络模型;以及当小批量样本集的三元组损失的曲线收敛到预期状态时,确定当前的神经网络模型为训练完成后的神经网络模型。该方法能够提高网络收敛速度、泛化能力及算法性能。
-
公开(公告)号:CN113837172A
公开(公告)日:2021-12-24
申请号:CN202010512064.5
申请日:2020-06-08
申请人: 同方威视科技江苏有限公司 , 同方威视技术股份有限公司
摘要: 本公开提供一种货物图像局部区域处理方法、装置、设备及存储介质,涉及图像处理技术领域。该方法包括:获取训练图像和标签;通过特征提取网络对从所述训练图像中提取的特征进行注意力增强处理获得注意力增强特征图;将所述注意力增强特征图通过区域建议网络进行处理获得区域建议图;基于所述注意力增强特征图和所述区域建议图通过区域分类网络获得区域分类图;基于所述区域分类图和所述标签获得损失函数;以及根据所述损失函数训练所述特征提取网络、所述区域建议网络和所述区域分类网络以处理货物图像局部区域。该方法一定程度上提高了提取货物图像局部区域的准确性。
-
-
-
-