申请/专利权人:杭州电子科技大学
申请日:2021-03-09
公开(公告)日:2021-07-20
公开(公告)号:CN113139423A
主分类号:G06K9/00(20060101)
分类号:G06K9/00(20060101);G06K9/46(20060101);G06K9/62(20060101);G06N3/04(20060101);G06N3/08(20060101)
优先权:
专利状态码:在审-实质审查的生效
法律状态:2021.08.06#实质审查的生效;2021.07.20#公开
摘要:本发明公开了一种用于场景图检测的关系图学习方法。本发明步骤:1、对于大型数据集中的图像,按照标准数据集处理方法,提取出现频次最高的150个目标和50个关系作为数据集Ⅰ的目标和关系;2、分别对数据集Ⅰ中的每张图像用目标检测网络FasterR‑CNN来提取目标,并获得每对目标之间的关系建议,提取的目标和关系建议构成关系数据;3、利用关系提取网络对得到的关系数据进行筛选,过滤冗余信息关系和无效性关系;4、构建一个关系图注意力网络,该网络由两部分组成:视觉‑空间图注意力子网络和语义‑空间图注意力子网络;通过融合两个子网络的结果获得最终关系图。本发明实验结果表明比现有的最优方法效果提升数个百分点。
主权项:1.一种用于场景图检测的关系图学习方法,其特征在于包括如下步骤:步骤1数据预处理对于大型数据集中的图像,按照标准数据集处理方法,提取出现频次最高的150个目标和50个关系作为数据集Ⅰ的目标和关系,忽略其余目标和关系;步骤2目标提取和关系检测分别对数据集Ⅰ中的每张图像用目标检测网络FasterR-CNN来提取目标,并获得每对目标之间的关系建议,提取的目标和关系建议构成关系数据;步骤3关系提取利用关系提取网络对步骤2得到的关系数据进行筛选,过滤冗余信息关系和无效性关系,从而提高时间有效性;步骤4关系图学习构建一个关系图注意力网络,该网络由两部分组成:视觉-空间图注意力子网络和语义-空间图注意力子网络;通过融合两个子网络的结果获得最终关系图。
全文数据:
权利要求:
百度查询: 杭州电子科技大学 一种用于场景图检测的关系图学习方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。