公开(公告)号：CN116363465A

公开(公告)日：2023-06-30

申请号：CN202310355846.6

申请日：2023-04-06

Applicant: 中南大学

Inventor： 沈成超 ,  陈建忠 ,  王建新

IPC: G06V10/778 ,  G06V10/764 ,  G06V10/26 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种基于非对称掩码的对比学习方法对提取的图像的语义信息进行图像分类的方法，主要包括对获取到的原始图像进行两次随机裁剪并分别做不同的数据增强来构建正样本对；采用非对称掩码策略对图像块进行采样，降低重叠区域的采样率，构建具有较大外观差异的正样本对；将采样的图像块输入到一对参数共享的编码器中，其中一侧编码器使用梯度下降更新，另一侧编码器则动量更新来提取图像表征；将图像表征分别经过映射模块和预测模块，使用对比损失函数最小化正样本之间的差异，同时最大化负样本之间的差异；同时在训练的过程中利用自适应的裁剪梯度策略来稳定训练过程。本发明能够更好的捕捉图像表征信息，从而能够提高图像分类的准确率。

公开(公告)号：CN117975311A

公开(公告)日：2024-05-03

申请号：CN202410296391.X

申请日：2024-03-15

Applicant: 中南大学

Inventor： 沈成超 ,  陈建忠

IPC: G06V20/17 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/088 ,  G06N3/084 ,  G06T3/4007 ,  G06T3/4038

Abstract: 本发明公开了一种基于多粒度对比的无监督无人机目标检测方法，主要包括对获取到的原始无人机视角图像进行两次随机裁剪并分别做不同的数据增强来构建正样本视图对；在正样本视图对中根据图像块的重叠率建立多粒度区域对应关系，并保存每种粒度在视图中的索引；将采样的图像块输入到一对初始化参数相同的编码器中来获取图像表征，其中一侧编码器使用正常的梯度下降更新，另一侧编码器则使用动量方式更新参数；使用不同窗口的平均池化得到经过编码器的不同粒度的所有表征，再根据每种粒度的索引提取到表征后分别经过映射模块和预测模块，使用对比损失函数最小化不同粒度正样本之间的差异，同时最大化负样本之间的差异；本发明能够更好的捕捉图像表征信息，从而能够提高无人机目标检测的准确率。