申请/专利权人:广东工业大学
申请日:2024-01-31
公开(公告)日:2024-03-29
公开(公告)号:CN117789219A
主分类号:G06V30/148
分类号:G06V30/148;G06V30/19;G06T3/4053;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.16#实质审查的生效;2024.03.29#公开
摘要:本发明公开了一种基于多模态下开放词汇的全视分割方法,属于视觉语言模型领域,包括单阶段框架,在不同的环境中从开放的类别集中分割和识别对象,是利用多模态模型如CLIP在共享嵌入空间中提供图像——文本特征,能有效地弥合了封闭词汇表和开放词汇表识别之间的差距,创造性使用共享的冻结卷积CLIP骨干将所有内容构建到单阶段框架中,这不仅大大简化了当前的两级管道,而且还显著地产生了更好的准确性与成本权衡。
主权项:1.一种基于多模态下开放词汇的全视分割方法,其特征在于,包括单阶段框架Single_Stage_CLIP:开放词汇分割的目的是对图像进行分割I∈RH×W×3转换成一组带有相关语义标签的掩码: K个基本真值掩码maski∈{0,1}H×W包含相应的基础真值类标签classi,在训练过程中,使用一组固定的类标签CLASStrain,而在推理过程中,使用另一组类别CLASStest,在开放词汇设置中,CLASStest可能包含训练中未见的新类别,即CLASStrain≠CLASStest,假设在测试期间CLASStest的类别名称以自然语言表示是可用的;
全文数据:
权利要求:
百度查询: 广东工业大学 一种基于多模态下开放词汇的全视分割方法
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。