申请/专利权人:中南大学
申请日:2024-03-15
公开(公告)日:2024-05-03
公开(公告)号:CN117975164A
主分类号:G06V10/764
分类号:G06V10/764;G06V10/74;G06V10/774;G06N3/0464;G06N3/0455;G06N3/0895
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.21#实质审查的生效;2024.05.03#公开
摘要:本发明公开了一种面向复杂开放环境下的机器人视觉感知表征学习方法,以实例判别为自监督学习的代理任务,通过随机混合一个数据批次中多个图像的图像块,构建一个新的混合图像的图像块序列;新序列中的每个样本与另一种数据增强下的多个视图互为正样本对;进一步提出了跨实例建模的对比方法,包括以下三部分:第一部分是混合图像和原始图像之间的对比学习,以构建混合图像和原始图像之间的相似性,其中每个混合图像在原始图像序列中存在多个正样本,第二部分是混合图像和混合图像之间的对比学习,以进一步建模混合图像之间的复杂关系,每个混合图像序列中的每一个样本在另一个混合图像序列中都存在多个正样本,第三部分是原有的对比学习,它采用未混合的原始图像块序列,将同一个图像经过不同数据增强的视图作为唯一正样本,而其他图像的视图作为负样本,来消除混合图像和原始图像之间的域差异所产生的潜在表示差距。本发明可以有效地挖掘出自然图像之间的跨实例相似性。
主权项:1.一种面向复杂开放环境下的机器人视觉感知表征学习方法,其特征在于,以实例判别为自监督学习的代理任务,通过随机混合一个数据批次中多个图像的图像块,构建一个新的混合图像的图像块序列;进一步提出了跨实例建模的对比方法,包括以下三部分:第一部分是混合图像和原始图像之间的对比学习,以构建混合图像和原始图像之间的相似性,其中每个混合图像在原始图像序列中存在多个正样本;第二部分是混合图像和混合图像之间的对比学习,以进一步建模混合图像实例之间的复杂关系,每个混合图像序列中的每一个样本在另一个混合图像序列中都存在多个正样本,第三部分是原始图像之间的对比学习,它采用未混合的原始图像块序列,将同一个图像经过不同数据增强的视图作为唯一正样本,而其他图像的视图作为负样本,来消除混合图像和原始图像之间的域差异所产生的潜在表征差异。
全文数据:
权利要求:
百度查询: 中南大学 面向复杂开放环境下的机器人视觉感知表征学习
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。