龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：易视腾科技股份有限公司
摘要：本发明公开了一种目标检测交叉数据集的混合训练方法，在目标检测任务训练中，能够动态生成mask矩阵，通过本发明中阀值算法选取mask矩阵中的最优阈值，以最优阀值为依据给mask矩阵赋值，同时决定哪些分类loss需要损失计算，最后对这些分类loss进行分类损失计算；针对已有的数据已经训练好了一个模型，需要增加新类别的数据集训练时，能够直接混合多个数据集，而不需要对混合后的数据集进行交叉标注，也能达到较高的模型精度，可以大大节省数据标注的时间和成本。
主权项：1.一种目标检测交叉数据集的混合训练方法，其特征在于，包括以下步骤：步骤1、样本标签分配：输入的图片经过常规方法处理后生成特征图Featuremap，特征图Featuremap上的点即为样本，样本在经过匹配之后，分配样本标签为正样本或负样本；步骤2、动态生成mask矩阵：根据特征图Featuremap动态生成mask矩阵，对特征图Featuremap的样本分别进行阈值计算，给mask矩阵赋值，同时判断其中样本标签，将标签为正样本的进行分类损失计算并给mask矩阵赋值；标签为负样本的需要根据样本阈值判断是否进行分类损失计算并给mask矩阵赋值；根据特征图Featuremap生成的样本标签，动态的生成mask矩阵：设一张图片的特征图Featuremap生成的样本数为N，A和B数据集的总类别数为C1+C2，则特征图Featuremap包含C1+C2个通道，每个通道表示在该位置存在对应类别的概率，全部激活值输出为N*C1+C2，同时动态的生成N*C1+C2的一个mask矩阵，样本和mask矩阵一一对应，mask矩阵中满足条件的置1，不满足条件的置0，将mask乘到最后的分类loss中，动态的决定是否忽略某个样本的某个类别的loss；步骤3、分类损失计算：用常规方法进行分类损失计算，决定分类loss是否继续参与训练。
全文数据：
权利要求：
百度查询： 易视腾科技股份有限公司 一种目标检测交叉数据集的混合训练方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号