公开(公告)号：CN118351480A

公开(公告)日：2024-07-16

申请号：CN202410324493.8

申请日：2024-03-21

Applicant: 中南大学

Inventor： 沈成超 ,  刘大伟 ,  李俊廷

IPC: G06V20/52 ,  G06V10/764 ,  G06V10/52 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/048 ,  G06N3/084 ,  G06N3/088

Abstract: 本发明公开了一种面向安防监控的无监督视觉特征学习方法，它针对复杂安防场景下安防监控系统的异常样本过少，类别不平衡导致对异常状况监测的准确性不足的问题，通过对单目标安防图像的子视图进行多尺度拼接，再进行跨目标混合，得到多尺度多目标安防视图，进而构造更多的异常样本。同时提出了多目标拼接图像和单目标图像的对比方法，该方法包括三个方面：多目标安防图像与单目标安防图像之间的对比；多目标安防图像与其他多目标安防图像之间的对比；单目标安防图像与单目标安防图像之间的对比。本发明可充分利用无标记数据丰富安防领域的异常样本，在实际安防环境下表现出较强的准确性和鲁棒性。

公开(公告)号：CN117975164A

公开(公告)日：2024-05-03

申请号：CN202410296296.X

申请日：2024-03-15

Applicant: 中南大学

Inventor： 沈成超 ,  刘大伟 ,  唐浩

IPC: G06V10/764 ,  G06V10/74 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0895

Abstract: 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。