-
公开(公告)号：CN112465909A
公开(公告)日：2021-03-09
申请号：CN202011416095.7
申请日：2020-12-07
Applicant: 南开大学
Abstract: 本发明公开了基于卷积神经网络的类激活映射目标定位方法及系统，将待处理图像输入到训练后的卷积神经网络中，根据类别信息进行反向传播，得到网络中每个卷积层的每个特征图对应的梯度；每个卷积层均输出一个特征图；每个特征图包括C个子特征图；每个子特征图均有一一对应的梯度；从卷积神经网络中选定M个卷积层，对所述M个卷积层中的每个卷积层所提取的C个子特征图与权重进行相乘处理；其中，权重为子特征图所对应的梯度；将相乘处理结果输入到非线性的ReLU函数中，对ReLU函数输出值进行通道维度上的求和操作，每个被选定的卷积层均得到一个对应的类激活映射图，即得到M个类激活映射图；对M个类激活映射图进行融合，得到定位图。
-
公开(公告)号：CN110458221A
公开(公告)日：2019-11-15
申请号：CN201910715341.X
申请日：2019-08-05
Applicant: 南开大学
Abstract: 本发明公开了一种基于在线注意力累积的挖掘目标物体区域的方法。该方法的目的是以弱监督的方式高效地找到图像的目标物体区域，这种区域可以为弱监督语义分割任务提供监督。基于训练过程中注意力不停地在目标物体上变化的观察，该方法在训练过程中为每一个目标物体维护了一张存储图。通过不断的将每一次迭代中生成的注意力图融合到存储图中，这个在线注意力累积过程可以将注意力在目标物体上出现过的所有位置记录下来，帮助找到整个目标物体区域。另外，该方法在更新存储图的过程中，通过改进的交叉熵损失函数对存储图中学习到的知识进行监督，从而得到更加完整的物体区域。
-
公开(公告)号：CN110458221B
公开(公告)日：2021-03-16
申请号：CN201910715341.X
申请日：2019-08-05
Applicant: 南开大学
Abstract: 本发明公开了一种基于在线注意力累积的挖掘目标物体区域的方法。该方法的目的是以弱监督的方式高效地找到图像的目标物体区域，这种区域可以为弱监督语义分割任务提供监督。基于训练过程中注意力不停地在目标物体上变化的观察，该方法在训练过程中为每一个目标物体维护了一张存储图。通过不断的将每一次迭代中生成的注意力图融合到存储图中，这个在线注意力累积过程可以将注意力在目标物体上出现过的所有位置记录下来，帮助找到整个目标物体区域。另外，该方法在更新存储图的过程中，通过改进的交叉熵损失函数对存储图中学习到的知识进行监督，从而得到更加完整的物体区域。
-
公开(公告)号：CN112465909B
公开(公告)日：2022-09-20
申请号：CN202011416095.7
申请日：2020-12-07
Applicant: 南开大学
Abstract: 本发明公开了基于卷积神经网络的类激活映射目标定位方法及系统，将待处理图像输入到训练后的卷积神经网络中，根据类别信息进行反向传播，得到网络中每个卷积层的每个特征图对应的梯度；每个卷积层均输出一个特征图；每个特征图包括C个子特征图；每个子特征图均有一一对应的梯度；从卷积神经网络中选定M个卷积层，对所述M个卷积层中的每个卷积层所提取的C个子特征图与权重进行相乘处理；其中，权重为子特征图所对应的梯度；将相乘处理结果输入到非线性的ReLU函数中，对ReLU函数输出值进行通道维度上的求和操作，每个被选定的卷积层均得到一个对应的类激活映射图，即得到M个类激活映射图；对M个类激活映射图进行融合，得到定位图。
-
-
-
Search Results
4
records
(took 0.018 seconds)
