申请/专利权人:斯特拉德视觉公司
申请日:2020-01-20
公开(公告)日:2023-05-26
公开(公告)号:CN111476343B
主分类号:G06N3/0464
分类号:G06N3/0464;G06N3/084
优先权:["20190123 US 16/254,982"]
专利状态码:有效-授权
法律状态:2023.05.26#授权;2020.08.25#实质审查的生效;2020.07.31#公开
摘要:本申请公开了一种利用掩蔽参数的方法和装置及利用此方法和装置的测试方法和测试装置。该方法和装置包括以下步骤:步骤a,获取输入图像后,计算装置使CNN的卷积层产生与所述输入图像相对应的特征图;步骤b,所述计算装置使CNN的RPN通过所述特征图来决定与所述输入图像所包含的至少一个物件相对应的ROI;以及步骤c,所述计算装置使所述CNN的ROI池化层参照与每个池化计算相对应的每个所述掩蔽参数,且将每个所述池化计算适用于所述ROI内的每个子区域,形成已掩蔽的池化特征图。
主权项:1.一种利用一个以上掩蔽参数池化至少一个感兴趣区域的学习方法,其中,该学习方法包括以下步骤:步骤a、获取输入图像后,计算装置使卷积神经网络的卷积层产生与所述输入图像相对应的特征图;步骤b、所述计算装置使所述卷积神经网络的区域建议网络RegionProposalNetwork,RPN通过所述特征图决定与所述输入图像所包含的至少一个对象相对应的感兴趣区域;以及步骤c、所述计算装置将所述卷积神经网络的感兴趣区域池化层参照对应每个池化计算的每个所述掩蔽参数,且将每个所述池化计算适用于所述感兴趣区域内的每个子区域,形成已掩蔽的池化特征图;步骤d、所述计算装置使所述卷积神经网络的输出层,将神经网络计算适用在所述已掩蔽的池化特征图,从而形成卷积神经网络输出值;以及步骤e、所述计算装置使损耗层参照所述卷积神经网络输出值及与其相对应的正确的标注数据GroundTruth,GT,从而形成损耗值,并将所述损耗值反向传播,从而学习所述感兴趣区域池化层的所述掩蔽参数。
全文数据:
权利要求:
百度查询: 斯特拉德视觉公司 利用掩蔽参数的方法和装置
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。