申请/专利权人:山东军地信息技术集团有限公司
申请日:2024-03-18
公开(公告)日:2024-04-16
公开(公告)号:CN117893743A
主分类号:G06V10/25
分类号:G06V10/25;G06V10/82;G06N3/0464;G06N3/096
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.03#实质审查的生效;2024.04.16#公开
摘要:本发明提供一种基于通道加权和双对比学习的零样本目标检测方法,属于图像处理技术领域,包括:获取可见类图像并输入到通道加权目标检测模块提取特征,特征提取网络为ResNet,并使用RPN来提取目标区域的真实视觉特征;将未知类的语义向量输入双对比学习引导的鲁棒特征生成模块,根据未知类的语义向量和随机噪声向量生成对应于该类别的目标区域的查询视觉特征,并通过类内对比学习和类间对比学习训练特征生成器;将真实视觉特征和查询视觉特征输入不可见分类器,输出目标检测结果。本发明可以自适应地学习通道注意力以捕捉更重要的特征,采用类内对比学习和类间对比学习损失函数,在零样本情况下合成多样且具有区分性的区域特征。
主权项:1.一种基于通道加权和双对比学习的零样本目标检测方法,其特征在于,包括:获取可见类图像并输入到通道加权目标检测模块提取特征,其中,所述通道加权目标检测模块的特征提取网络为ResNet,将SE-Net块嵌入到特征提取网络ResNet的残差模块中,并使用RPN来提取可见类图像的目标区域的真实视觉特征;将未知类的语义向量输入双对比学习引导的鲁棒特征生成模块,所述鲁棒特征生成模块为特征生成器,用于根据未知类的语义向量和随机噪声向量生成对应于该类别的目标区域的查询视觉特征,并通过类内对比学习和类间对比学习训练所述特征生成器;将所述真实视觉特征和所述查询视觉特征输入不可见分类器,输出目标检测结果。
全文数据:
权利要求:
百度查询: 山东军地信息技术集团有限公司 一种基于通道加权和双对比学习的零样本目标检测方法
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。