买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：哈尔滨工业大学

摘要：一种基于区域感知与测试时自适应的弱监督物体检测方法，属于计算机视觉中的物体检测技术领域。本发明针对现有弱监督检测中过多的候选区域造成计算复杂度高，并且保留高分类分数候选区域易造成区域内检测物体不完整的问题。包括采用区域感知框架获得初步完整目标候选区域：基于初级候选区域与原始图像特征图获得初级候选区域空间特征图；再得到高维非线性特征，进而得到区域嵌入；结合类别嵌入获得相似度图，再确定初步完整目标候选区域；再采用弱监督检测器进行目标位置预测，获得检测目标的查询区域和键区域；查询区域与键区域再经过无监督对比学习模块的融合过程得到物体检测结果。本发明用于训练数据标注信息稀缺情况下的物体检测。

主权项：1.一种基于区域感知与测试时自适应的弱监督物体检测方法，其特征在于，一采用区域感知框架获得初步完整目标候选区域：包括基于视觉语言大模型CLIP预训练ResNet50网络，将训练后ResNet50网络的前三层作为图像编码器一，将训练后ResNet50网络的第四层作为图像编码器二；图像编码器一基于原始图像获得原始图像特征图；同时由原始图像获得多个初级候选区域；结合初级候选区域与原始图像特征图获得多个对齐后初级候选区域空间特征图；再采用图像编码器二获得初级候选区域空间特征图的高维非线性特征，经注意力池化操作，得到初级候选区域的全局信息，作为区域嵌入；同时将原始的图像级标签编码为类别嵌入；基于区域嵌入和类别嵌入获得表征初级候选区域的区域分数的相似度图；采用预设分数阈值过滤相似度图，将超过预设分数阈值的初级候选区域作为初步完整目标候选区域；二再采用测试时自适应框架获得物体检测结果：包括采用弱监督检测器基于初步完整目标候选区域进行目标位置预测，获得检测目标的查询区域和键区域；查询区域与键区域再经过无监督对比学习模块的融合过程得到物体检测结果；在测试时自适应框架的训练过程中，基于弱监督损失修改弱监督检测器的网络参数，得到最终弱监督检测器；基于检测目标的查询区域，确定检测目标的键区域，根据查询区域和键区域优化无监督对比学习模块的网络参数；在测试时自适应框架的测试微调过程中，基于弱监督检测器获得的检测目标的查询区域和键区域，计算查询区域和键区域的余弦相似度，选择余弦相似度超过相似度阈值的查询区域和键区域进一步调整无监督对比学习模块的网络参数，获得最终无监督对比学习模块；将最终弱监督检测器和最终无监督对比学习模块用于实际物体检测中。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学 基于区域感知与测试时自适应的弱监督物体检测方法