申请/专利权人：武汉工程大学

申请日：2023-10-20

公开（公告）日：2024-02-09

公开（公告）号：CN117542044A

主分类号：G06V20/68

分类号：G06V20/68;G06V10/82;G06V10/46;G06V10/22;G06N3/0499;G06N3/09

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.01#实质审查的生效;2024.02.09#公开

摘要：本发明提供了一种基于密度互斥的田间葡萄浆果半监督计数方法，以田间葡萄图像为处理对象构建一个基于密度互斥的半监督计数模型，以VGG16为主干框架提取自动提取田间葡萄浆果图像的特征，利用未标记图像中不同密度等级间的互斥关系构成辅助任务以生成更加稳健的特征提取器，有效地降低了模型的计数误差，实现了在低标注成本下简单高效地计数葡萄浆果的功能。本发明提出了密度差异损失，扩大了不同密度等级间特征的差异，监督特征提取器学习不同密度等级间更显著的特征表示；利用田间葡萄浆果在密度等级方面的空间分布规律，最大化使用未标记数据实现了计数模型的性能增益，对田间葡萄浆果进行大规模计数，为预测葡萄总产量提供了重要依据。

主权项：1.一种基于密度互斥的田间葡萄浆果半监督计数方法，其特征在于：包括以下步骤：S1：构建基于密度互斥的CDMENet模型，包括特征提取模块、密度图回归模块和辅助任务模块；特征提取模块以VGG16为主干网络，用于提取图像的深度特征；密度图回归模块用于生成预测的密度图，得到预测数量；辅助任务模块用于提高特征提取模块的性能，增强深度特征的表达，并通过密度差异损失扩大密度间的特征差异；包括具体步骤为：S13：设i,j是图像中像素的坐标，t1和t2是预定义的阈值，D表示密度图；则将经过特征提取模块生成的特征图输入辅助任务模块处理后，输出多个阈值范围内预测的不同密度等级特征图为： 设M'为预测密度图，M为密度等级标签，f1、f2分别为M'、M中逐行提取的特征向量；为计算多个密度等级特征图与多个预测密度图之间的密度差异损失LDD，先计算余弦相似度S·为： 设k为辅助任务模块输出的特征图个数，h为特征图行数；则最大化预测密度图与对应密度等级标签的相似度损失为： 最小化预测密度图与其它密度等级标签的相似度损失为： 则辅助任务模块计算密度差异损失为：

全文数据：

权利要求：

百度查询： 武汉工程大学 一种基于密度互斥的田间葡萄浆果半监督计数方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD