基于多类多注意力机制的细粒度检测方法

    公开(公告)号:CN110059718A

    公开(公告)日:2019-07-26

    申请号:CN201910203138.4

    申请日:2019-03-18

    Abstract: 本实施例提出了基于多类多注意力机制的细粒度检测方法,包括建立特征映射,将提取到的特征导入特征映射中进行计算得到代表输入图像中每个通道的通道输出值;逐步确定针对通道输出值的筛选权重,结合得到的筛选权重在卷积神经网络中得到对应输入图像的特征向量;从特征向量中进行随机挑选,基于挑选结果构建基于注意力类别的样本集合,构建对应样本集合的最小损失函数,对最小损失函数进行优化处理完成细粒度检测。通过一个挤压式多激励模块提取注意感知特征,该模块由MAMC损失监督,该损失将正样本拉近到锚点,同时将负样本推开。该方法不需要边界框或部分注释,简化了处理步骤。

    结合目标检测和语义分割的图像配准方法

    公开(公告)号:CN110097584B

    公开(公告)日:2021-11-09

    申请号:CN201910203512.0

    申请日:2019-03-18

    Abstract: 本实施例提出了结合目标检测和语义分割的图像配准方法,包括从传感器数据中获取待处理图像,借助实时目标检测算法截取待处理图像中的关键区域;对关键区域中进行尺度不变特征变换,得到关键区域中的特征点;基于语义信息对关键区域进行语义分割,实现将关键区域中的特征点进行归类,定义针对每一类语义信息项误差函数,结合视觉里程计原有框架中的误差函数得到总体误差函数;对总体误差函数进行基于似然域模型的优化处理,当误差最小时完成图像配准。通过对关键区域采用提取关键点的处理方式能够减小提取和匹配的范围。

Patent Agency Ranking