公开(公告)号：CN114399644B

公开(公告)日：2025-02-07

申请号：CN202111535847.6

申请日：2021-12-15

Applicant: 北京邮电大学

Inventor： 欧中洪 ,  杨峻伟 ,  康霄阳 ,  范家伟 ,  于勰 ,  宋美娜

IPC: G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/096 ,  G06N3/0895 ,  G06N3/084

Abstract: 本发明提出一种小样本目标检测方法，包括：向检测网络发送骨干网络的权重以及特征金字塔的权重；生成候选区域，候选区域来自于区域建议网络对视觉表征骨干网络输出特征的前后景分类与回归结果；根据候选区域，借助池化算子生成统一尺寸的候选区域特征，并进行统一尺寸的候选区域特征的位置回归，内容分类以及细粒度特征挖掘；利用细粒度特征挖掘，构建细粒度的正样本对以及负样本对，形成对候选区域细粒度特征间的对比学习；按照细粒度特征挖掘中的策略形成损失函数，通过损失函数的计算进行检测网络参数的更新。该方法为小样本目标检测提供了视觉表征骨干网络，并通过对样本特征挖掘，提升样本的细粒度特征和模型检测精度。

公开(公告)号：CN114399644A

公开(公告)日：2022-04-26

申请号：CN202111535847.6

申请日：2021-12-15

Applicant: 北京邮电大学

Inventor： 欧中洪 ,  杨峻伟 ,  康霄阳 ,  范家伟 ,  于勰 ,  宋美娜

IPC: G06V10/44 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种小样本目标检测方法，包括：向检测网络发送骨干网络的权重以及特征金字塔的权重；生成候选区域，候选区域来自于区域建议网络对视觉表征骨干网络输出特征的前后景分类与回归结果；根据候选区域，借助池化算子生成统一尺寸的候选区域特征，并进行统一尺寸的候选区域特征的位置回归，内容分类以及细粒度特征挖掘；利用细粒度特征挖掘，构建细粒度的正样本对以及负样本对，形成对候选区域细粒度特征间的对比学习；按照细粒度特征挖掘中的策略形成损失函数，通过损失函数的计算进行检测网络参数的更新。该方法为小样本目标检测提供了视觉表征骨干网络，并通过对样本特征挖掘，提升样本的细粒度特征和模型检测精度。

公开(公告)号：CN114332449A

公开(公告)日：2022-04-12

申请号：CN202111405138.6

申请日：2021-11-24

Applicant: 北京邮电大学

Inventor： 欧中洪 ,  康霄阳 ,  于勰 ,  杨峻伟 ,  范家伟 ,  宋美娜

IPC: G06V10/25 ,  G06V10/764 ,  G06K9/62 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请计算机视觉技术领域，尤其涉及一种基于特征解耦和知识迁移的小样本目标检测方法和装置。其中，基于特征解耦和知识迁移的小样本目标检测方法，包括：在基础检测模型中设置双路检测头得到迁移学习模型；使用带标注的小样本数据对迁移学习模型进行调节，得到调节后的迁移学习模型；将无标注的小样本数据输入调节后的迁移学习模型，对调节后的迁移学习模型的区域建议网络和双路检测头进行联合调节，从而完成对无标注的小样本数据的检测。采用上述方案的本申请通过双路检测头保留基础类别性能，实现不同任务间的学习，通过在小样本目标检测的过程中联合调节区域建议网络和双路检测头，提升小样本目标检测的检测效率以及检测效果。

公开(公告)号：CN118196575B

公开(公告)日：2024-12-31

申请号：CN202410294327.8

申请日：2024-03-14

Applicant: 北京邮电大学

Inventor： 欧中洪 ,  魏亚东 ,  暴浩彤 ,  杨峻伟 ,  范家伟 ,  朱一凡 ,  尧思远 ,  宋美娜

IPC: G06V10/80 ,  G06V10/25 ,  G06V10/766 ,  G06V10/764 ,  G06V10/22 ,  G06V10/40 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本申请提出了一种基于多视角特征融合与元特征编码的小样本目标检测方法，包括：对待检测图像数据进行多视角嵌入融合，得到融合后的图像数据；使用特征提取网络对融合后的图像数据进行图像特征提取，并结合区域建议网络确定图像数据的候选区域，并将候选区域进行RoI池化，得到RoI特征；将RoI特征分别输入全连接网络和元特征编码器中，获取分类特征、回归特征及元特征，并将元特征和分类特征进行融合，得到最终分类特征；通过分类器和回归器根据回归特征与最终分类特征确定图像数据中目标的定位与分类。采用上述方案的本发明在进行小样本目标检测时能够保证新类泛化性，并实现对基类知识的有效保留，缓解灾难性知识遗忘问题。

公开(公告)号：CN118196575A

公开(公告)日：2024-06-14

申请号：CN202410294327.8

申请日：2024-03-14

Applicant: 北京邮电大学

Inventor： 欧中洪 ,  魏亚东 ,  暴浩彤 ,  杨峻伟 ,  范家伟 ,  朱一凡 ,  尧思远 ,  宋美娜

IPC: G06V10/80 ,  G06V10/25 ,  G06V10/766 ,  G06V10/764 ,  G06V10/22 ,  G06V10/40 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本申请提出了一种基于多视角特征融合与元特征编码的小样本目标检测方法，包括：对待检测图像数据进行多视角嵌入融合，得到融合后的图像数据；使用特征提取网络对融合后的图像数据进行图像特征提取，并结合区域建议网络确定图像数据的候选区域，并将候选区域进行RoI池化，得到RoI特征；将RoI特征分别输入全连接网络和元特征编码器中，获取分类特征、回归特征及元特征，并将元特征和分类特征进行融合，得到最终分类特征；通过分类器和回归器根据回归特征与最终分类特征确定图像数据中目标的定位与分类。采用上述方案的本发明在进行小样本目标检测时能够保证新类泛化性，并实现对基类知识的有效保留，缓解灾难性知识遗忘问题。