-
公开(公告)号：CN111612045A
公开(公告)日：2020-09-01
申请号：CN202010355022.5
申请日：2020-04-29
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种获取目标检测数据集的通用方法。本发明是利用利用光学字符识别(OCR)技术，即借助激光扫描仪检查打印到纸上的字符，然后运用识别方法将字符形状翻译成计算机文字，获取类似于公开的MNIST手写体数字集的数据集，然后从该数据集中抽样获取目标检测数据集，标注信息可直接由算法生成。本发明能够较为快速地获取目标检测数据集，且可以在一定程度上解决数据集不足的情况，也可适用通过本发明生成的数据集作为测试网络性能的一种手段。
-
Patent Agency Ranking
公开(公告)号：CN111612045B
公开(公告)日：2023-06-23
申请号：CN202010355022.5
申请日：2020-04-29
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V10/82 , G06V30/244 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种获取目标检测数据集的通用方法。本发明是利用利用光学字符识别(OCR)技术，即借助激光扫描仪检查打印到纸上的字符，然后运用识别方法将字符形状翻译成计算机文字，获取类似于公开的MNIST手写体数字集的数据集，然后从该数据集中抽样获取目标检测数据集，标注信息可直接由算法生成。本发明能够较为快速地获取目标检测数据集，且可以在一定程度上解决数据集不足的情况，也可适用通过本发明生成的数据集作为测试网络性能的一种手段。
-
公开(公告)号：CN112598043A
公开(公告)日：2021-04-02
申请号：CN202011495029.3
申请日：2020-12-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于弱监督学习的协同显著性检测方法。本发明包括以下步骤：步骤(1)深度神经网络的构建和预训练；步骤(2)弱监督数据集的划分；步骤(3)显著性图像样本增强；步骤(4)协同显著性图的预测。使用弱监督的方式隐式地抓取图像间的协同特征，使用样本图像增强的方式增加神经网络的鲁棒性。协同显著性检测中，如何利用好图像间的协同特征是关键的，本发明使用约50％的样本输入到神经网络中进行训练微调隐式获取图像间的协同特征。同时存在图像样本中显著性目标在像素层面所占的比例较小的情况，不利于神经网络的训练和微调，本发明使用一种图像样本增强的手段来克服这一点，来实现对一组图像中显著性目标的预测。
-
公开(公告)号：CN111914852B
公开(公告)日：2023-10-03
申请号：CN202010494739.8
申请日：2020-06-03
Applicant: 杭州电子科技大学
IPC: G06V10/46 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于编解码结构的多模态显著性对象检测方法。本发明在已有的彩色图像算法模型的基础之上，将深度图像作为先验信息，补充到算法之中。本发明方法可分为两部分：一部分以彩色图像为输入，基于编解码结构的深度学习技术，实现显著性检测；另一部分用于处理深度图像，用轻量级的神经网络学习深度特征，并将特征信息补充到第一部分，从而提高整体模型的识别精度。本发明方法能够简单高效的利用深度图像，从中学习特征，增强算法的识别精度和稳定性，能够为现有部署的显著性检测算法提供快捷、低廉的更新手段。
-
公开(公告)号：CN112598043B
公开(公告)日：2023-08-18
申请号：CN202011495029.3
申请日：2020-12-17
Applicant: 杭州电子科技大学
IPC: G06V10/774 , G06V10/46 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/0895
Abstract: 本发明公开了一种基于弱监督学习的协同显著性检测方法。本发明包括以下步骤：步骤(1)深度神经网络的构建和预训练；步骤(2)弱监督数据集的划分；步骤(3)显著性图像样本增强；步骤(4)协同显著性图的预测。使用弱监督的方式隐式地抓取图像间的协同特征，使用样本图像增强的方式增加神经网络的鲁棒性。协同显著性检测中，如何利用好图像间的协同特征是关键的，本发明使用约50％的样本输入到神经网络中进行训练微调隐式获取图像间的协同特征。同时存在图像样本中显著性目标在像素层面所占的比例较小的情况，不利于神经网络的训练和微调，本发明使用一种图像样本增强的手段来克服这一点，来实现对一组图像中显著性目标的预测。
-
公开(公告)号：CN111914852A
公开(公告)日：2020-11-10
申请号：CN202010494739.8
申请日：2020-06-03
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于编解码结构的多模态显著性对象检测方法。本发明在已有的彩色图像算法模型的基础之上，将深度图像作为先验信息，补充到算法之中。本发明方法可分为两部分：一部分以彩色图像为输入，基于编解码结构的深度学习技术，实现显著性检测；另一部分用于处理深度图像，用轻量级的神经网络学习深度特征，并将特征信息补充到第一部分，从而提高整体模型的识别精度。本发明方法能够简单高效的利用深度图像，从中学习特征，增强算法的识别精度和稳定性，能够为现有部署的显著性检测算法提供快捷、低廉的更新手段。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
