申请/专利权人:之江实验室;电子科技大学
申请日:2022-08-17
公开(公告)日:2022-12-02
公开(公告)号:CN115424110A
主分类号:G06V10/82
分类号:G06V10/82;G06V10/80;G06N3/04;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2022.12.20#实质审查的生效;2022.12.02#公开
摘要:本发明涉及图像处理领域,具体涉及一种掩码变形方法,其能在仅知晓目标域标签信息的前提下,实现域之间的实例形变,且能够使得实例和掩码信息保持一致,其首先获得源域掩码的整体特征,然后将源域的各实例掩码分别与整体特征进行融合,获得各实例掩码特征;然后,再将目标域标签信息的特征编码分别嵌入各实例掩码特征;最后,通过生成器输出目标域生成掩码,作为对应目标域的实例掩码。同时,提供了一种掩码变形方法的掩码形变网络的训练方法,其以目标域真实掩码和通过上述掩码形变网络生成的掩码构成正负样本对,进行生成对抗网络训练,提出了一种有效且高效的训练范式。
主权项:1.一种掩码变形方法,其特征在于,包括以下步骤:A1、将源域的实例掩码和目标域标签输入预先训练好的掩码形变网络;所述掩码形变网络包括编码器和生成器;A2、所述掩码形变网络,按如下步骤对掩码进行变形:A21、将源域的所有实例掩码进行聚合,获得源域掩码;通过编码器,对源域掩码进行特征提取,获得源域掩码的整体特征Fimg;将源域的各实例掩码分别与整体特征Fimg进行融合,获得对应各实例掩码的实例掩码特征Fmaski;然后,对目标域的标签信息进行特征编码,再将目标域标签信息的特征编码分别嵌入各实例的掩码特征Fmaski;A22、分别将各个融合了标签信息特征编码的实例掩码特征,输入生成器,并将生成器最终输出的目标域生成掩码作为对应目标域的实例掩码。
全文数据:
权利要求:
百度查询: 之江实验室;电子科技大学 一种掩码变形方法及其掩码形变网络的训练方法
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。