-
公开(公告)号：CN118296956A
公开(公告)日：2024-07-05
申请号：CN202410455071.4
申请日：2024-04-16
IPC: G06F30/27 , G06N3/084 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/0442
Abstract: 本发明公开了一种面向稀疏多变量数据的轨迹预测方法、装置及可读存储介质，其中，轨迹预测方法包括：(1)将多变量稀疏轨迹数据执行嵌入操作，得到输入Input的向量表示；(2)将输入Input通过第一神经网络后得到输出Output1；(3)将输入Input通过第二神经网络后得到输出Output1'；(4)将输出Output1和输出Output1'相加后并规范化得到输入Input'；(5)将输入Input'通过第一神经网络得到输出Output1”；(6)将输出Output1”通过第三神经网络后得到最终的输出Output，即为轨迹预测结果。利用本发明，可以有效解决针对多实体、稀疏输入数据的轨迹预测问题，提高轨迹预测的精度。
-
公开(公告)号：CN113947723A
公开(公告)日：2022-01-18
申请号：CN202111143539.9
申请日：2021-09-28
Applicant: 浙江大学
IPC: G06V20/13 , G06V10/25 , G06V10/774 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于尺寸平衡FCOS的高分辨率遥感场景目标检测方法，利用尺寸平衡系数在FCOS的目标检测模块中的中心度和边框回归阶段，根据每个目标的回归信息，对中心度系数动态调整，为每个正样本的边框回归过程分配合理的权重，使用高分辨率遥感目标检测遥感数据集进行模型训练，并使用该模型遥感地物进行识别。本发明充分考虑到不同尺寸的目标在FCOS的中心度评估体系下的不足，对小目标锚框内正样本分布在边缘的样本进行损失权重加强，对大目标内的冗余损失贡献进行抑制，实现目标尺寸平衡；尺寸平衡FCOS在不对模型推理阶段引入额外开销的情况下，提高了高分辨率遥感场景下目标检测的精度。
-
公开(公告)号：CN117496158A
公开(公告)日：2024-02-02
申请号：CN202311758529.5
申请日：2023-12-20
Applicant: 浙江大学
IPC: G06V10/26 , G06V20/13 , G06V10/764 , G06V10/774 , G06V10/80 , G06N3/0895 , G06N3/0464 , G06T3/4053
Abstract: 本发明公开了一种半监督场景融合改进MBI的对比学习与语义分割方法，本发明半监督场景融合改进MBI负采样像素级对比学习与先验知识引导上采样的遥感图像语义分割提取建筑物方法，主要包括改进的MBI计算模块、融合MBI负采样的像素级对比学习预训练模块、融合MBI先验知识引导上采样的语义分割微调训练模块。本发明利用对比学习任务来预训练共享编码器结构，并利用融合MBI注意力机制的上采样语义分割任务来微调共享编码器，得到最终的语义编码网络，从而提高遥感图像语义分割方法的准确性。并且，本发明提出一种利用MBI先验知识分别引导对比学习负样本采样和语义分割上采样，以实现增强对比学习正负样本区分度和语义分割效果。
-
公开(公告)号：CN114708434B
公开(公告)日：2025-04-08
申请号：CN202210402338.4
申请日：2022-04-18
Applicant: 浙江大学
IPC: G06V10/26 , G06V10/764 , G06V10/82 , G06V10/774 , G06N3/045 , G06N3/0475 , G06N3/084 , G06N3/094 , G06N3/096
Abstract: 本发明公开了一种基于迭代域内适应和自训练的跨域遥感图像语义分割方法，包括源域‑目标域域间域适应模型训练、目标域类别分割概率以及伪标签生成、目标域图像分割概率可信度得分排序、目标域域内迭代域适应模型训练和目标域分割结果生成。本发明利用源‑目标域域间域适应减小了源‑目标域域间差异，同时利用目标域域内域适应减小了目标域域内差异，提高了跨域遥感图像语义分割模型的准确率，进一步通过提出的基于分割概率可信度对目标域图像进行分类和排序从而挑选出分割效果好的预测结果作为伪标签，同时提出新的伪标签筛选策略去掉伪标签中极有可能出错的像素点，从而避免了目标域内自训练时伪标签错误所带来的影响。
-
Patent Agency Ranking
公开(公告)号：CN113837191B
公开(公告)日：2023-11-07
申请号：CN202111017498.9
申请日：2021-08-30
Applicant: 浙江大学
IPC: G06V10/26 , G06V10/774 , G06V10/74 , G06V10/764 , G06V10/80 , G06V20/70 , G06V10/82 , G06N3/088
Abstract: 本发明公开了一种基于双向无监督域适应融合的跨星遥感图像语义分割方法，包括源域‑目标域图像双向转换模型训练、图像转换模型双向转换器参数选择、源域‑目标域图像双向转换、源域和拟目标域语义分割模型训练、源域和目标域类别分割概率生成以及融合。本发明利用源‑目标和目标‑源双向域适应，将源域和目标域上类别分割进行概率融合，提高了跨星遥感图像语义分割模型的准确率和鲁棒性，进一步通过双向语义一致损失和转换器参数选择，从而避免了图像双向转换模型中转换器效果不稳定所带来的影响。
-
公开(公告)号：CN117237628A
公开(公告)日：2023-12-15
申请号：CN202311119643.3
申请日：2023-09-01
Applicant: 浙江大学
IPC: G06V10/26 , G06V10/25 , G06V10/764
Abstract: 本发明公开了一种基于多级领域相关度的多源领域自适应语义分割方法：(1)在所有源域和目标域上预训练跨域语义分割模型F；基于预训练好的F计算多级领域相关度，包括领域级源‑目标相关度di和像素级源‑目标相关度基于 构建源‑目标域混合图像和对应的伪标签 基于随机采样方法构建源‑目标域混合图像和对应的伪标签基于di、以及和在所有源域和目标域上训练F；将训练完成后的F对待检测图像进行多源领域自适应语义分割，提取图像中的目标物体。该方法能够提高与目标域高相关度源域和源域像素点的权重，同时减小与目标域低相关度源域和源域像素点的权重，来避免多源域中不相关信息对训练的干扰。
-
公开(公告)号：CN113837191A
公开(公告)日：2021-12-24
申请号：CN202111017498.9
申请日：2021-08-30
Applicant: 浙江大学
Abstract: 本发明公开了一种基于双向无监督域适应融合的跨星遥感图像语义分割方法，包括源域‑目标域图像双向转换模型训练、图像转换模型双向转换器参数选择、源域‑目标域图像双向转换、源域和拟目标域语义分割模型训练、源域和目标域类别分割概率生成以及融合。本发明利用源‑目标和目标‑源双向域适应，将源域和目标域上类别分割进行概率融合，提高了跨星遥感图像语义分割模型的准确率和鲁棒性，进一步通过双向语义一致损失和转换器参数选择，从而避免了图像双向转换模型中转换器效果不稳定所带来的影响。
-
公开(公告)号：CN113947723B
公开(公告)日：2024-07-02
申请号：CN202111143539.9
申请日：2021-09-28
Applicant: 浙江大学
IPC: G06V20/13 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于尺寸平衡FCOS的高分辨率遥感场景目标检测方法，利用尺寸平衡系数在FCOS的目标检测模块中的中心度和边框回归阶段，根据每个目标的回归信息，对中心度系数动态调整，为每个正样本的边框回归过程分配合理的权重，使用高分辨率遥感目标检测遥感数据集进行模型训练，并使用该模型遥感地物进行识别。本发明充分考虑到不同尺寸的目标在FCOS的中心度评估体系下的不足，对小目标锚框内正样本分布在边缘的样本进行损失权重加强，对大目标内的冗余损失贡献进行抑制，实现目标尺寸平衡；尺寸平衡FCOS在不对模型推理阶段引入额外开销的情况下，提高了高分辨率遥感场景下目标检测的精度。
-
公开(公告)号：CN114708434A
公开(公告)日：2022-07-05
申请号：CN202210402338.4
申请日：2022-04-18
Applicant: 浙江大学
Abstract: 本发明公开了一种基于迭代域内适应和自训练的跨域遥感图像语义分割方法，包括源域‑目标域域间域适应模型训练、目标域类别分割概率以及伪标签生成、目标域图像分割概率可信度得分排序、目标域域内迭代域适应模型训练和目标域分割结果生成。本发明利用源‑目标域域间域适应减小了源‑目标域域间差异，同时利用目标域域内域适应减小了目标域域内差异，提高了跨域遥感图像语义分割模型的准确率，进一步通过提出的基于分割概率可信度对目标域图像进行分类和排序从而挑选出分割效果好的预测结果作为伪标签，同时提出新的伪标签筛选策略去掉伪标签中极有可能出错的像素点，从而避免了目标域内自训练时伪标签错误所带来的影响。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.034 seconds)
