申请/专利权人:中国科学院上海微系统与信息技术研究所
申请日:2023-12-13
公开(公告)日:2024-03-19
公开(公告)号:CN117726860A
主分类号:G06V10/764
分类号:G06V10/764;G06V10/774;G06V10/82;G06N3/0464;G06N3/09
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.05#实质审查的生效;2024.03.19#公开
摘要:本发明涉及一种基于大卷积核的像素鲁棒精细分类方法,包括:基于大卷积核构建骨干网络部分,并使用第一图像训练集对所述骨干网络部分进行第一次训练,得到训练好的骨干网络部分;在训练好的骨干网络部分中加入GDCFPN模块,并使用第二图像训练集对加入GDCFPN模块的骨干网络部分进行第二次训练,得到分类模型;将待分类的图片和目标图片输入所述分类模型中,将所述分类模型倒数第二层的输出特征作为待分类的图片的向量表示和目标图片的向量表示,计算待分类的图片的向量表示和目标图片的向量表示之间的距离,并通过设定的阈值判断对待分类的图片和目标图片是否属于同一个身份。本发明能够提升低像素图像的识别准确率。
主权项:1.一种基于大卷积核的像素鲁棒精细分类方法,其特征在于,包括以下步骤:基于大卷积核构建骨干网络部分,并使用第一图像训练集对所述骨干网络部分进行第一次训练,得到训练好的骨干网络部分;在训练好的骨干网络部分中加入GDCFPN模块,并使用第二图像训练集对加入GDCFPN模块的骨干网络部分进行第二次训练,得到分类模型;其中,所述第二次训练时采用的损失函数与所述第一次训练时采用的损失函数相同;所述第二图像训练集中的图像的像素大小低于所述第一图像训练集中的图像的像素大小;将待分类的图片和目标图片输入所述分类模型中,将所述分类模型倒数第二层的输出特征作为待分类的图片的向量表示和目标图片的向量表示,计算待分类的图片的向量表示和目标图片的向量表示之间的距离,并通过设定的阈值判断对待分类的图片和目标图片是否属于同一个身份。
全文数据:
权利要求:
百度查询: 中国科学院上海微系统与信息技术研究所 一种基于大卷积核的像素鲁棒精细分类方法
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。