申请/专利权人：南京信息工程大学

申请日：2023-12-20

公开（公告）日：2024-03-22

公开（公告）号：CN117746139A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/774;G06V10/42;G06V10/82;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明公开了一种类增量目标计数自我反思模型建立方法及装置，本发明首先对训练数据集中的图像进行预处理；然后构建类增量目标计数自我反思模型，包括全局感知增量回归分支、不确定性预估分支和自我反思机制；所述全局感知增量回归分支用于提取输入图像的全局特征，生成图像对应类别的预测密度图；所述不确定性预估分支用于保持稳定性的同时增强网络的可塑性，并使用该分支的输出作为正则化信号引导增量回归分支的学习过程；所述自我反思机制修正增量回归分支的输出，促进增量分支对旧类别知识的反思，增强模型输出密度图的准确性。本发明可以高效完成类增量目标计数任务，计数结果比现有技术更优。

主权项：1.一种类增量目标计数自我反思模型建立方法，其特征在于，包括：步骤S1：将包含若干待计数图像的数据集划分为训练数据集、验证数据集及测试数据集，并确定数据集中不同类别图像的学习顺序；步骤S2：对训练数据集中的图像进行预处理；步骤S3：构建类增量目标计数自我反思模型，包括全局感知增量回归分支、不确定性预估分支和自我反思机制；所述全局感知增量回归分支用于提取输入图像的全局特征，生成图像对应类别的预测密度图；所述不确定性预估分支的输出作为正则化信号引导全局感知增量回归分支的学习过程；所述自我反思机制修正全局感知增量回归分支的输出，促进全局感知增量回归分支对旧类别知识的反思；步骤S4：按照顺序获取预处理后的训练数据，对类增量目标计数自我反思模型进行训练；步骤S5：通过验证数据集筛选出预测精度最高的类增量目标计数自我反思模型保存；步骤S6：采用测试数据集对保存的模型进行测试，获取当前类别的目标计数准确度；步骤S7：返回执行步骤S4，直至完成所有类的训练，得到训练完成的类增量目标计数自我反思模型。

全文数据：

权利要求：

百度查询： 南京信息工程大学 一种类增量目标计数自我反思模型建立方法及装置

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。

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