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：重庆理工大学
摘要：本发明涉及一种基于特征矫正的目标检测方法，通过构建仅考虑基类到新类之间关系的Base‑Novel图卷积网络，利用不同类别对之间的信息传递来增强新类特征。为了避免引入由基类极端样本产生的噪声，运用聚类算法精选出具有代表性的基类特征，这些基类特征与新类特征共同作为Base‑Novel图卷积网络的输入。网络的邻接矩阵则是基于类别对计算的余弦相似性矩阵构建而成。进行实验与现有方法进行了全面对比，结果表明，通过结合使用聚类算法和基于类间相似性的Base‑Novel图卷积网络，可以有效地使用相似的基类原型来增强新类特征，进而显著提升模型的检测性能。
主权项：1.一种基于特征矫正的目标检测方法，其特征在于，包括如下步骤：S0：构建分类模型KBN-Net，以DeFRCN为基线方法，DeFRCN首先通过梯度解耦层GDL在骨干网络、区域建议网络RPN和RCNN之间解耦，在推理阶段引入原型校准块PCB；S1：获取现有若干标注的基类图像作为训练集，使用训练集中的训练样本对KBN-Net进行基类训练，训练结束得到预训练后的KBN-Ne；S2：从基类图像中对各个类别随机抽取N张图像，以描述各基类类别的特征分布，将抽取的图像输入到预训练的KBN-Net中生成相应的基类特征集合Dbase，然后在Dbase中随机选取K个特征点作为中心特征点，使用K-Medoids聚类算法进行聚类，经过聚类选择之后得到新的基类特征集合Fb；S3：将少量标注的新类图像作为微调训练集，微调训练集中的新类图像输入预训练后的KBN-Net得到新类特征集合Fn；根据Fb和Fn构建邻接矩阵Ab→n用于表示基类到新类之间的关系；S4：通过Ab→n构建Base-Noval图卷积网络建模类间关系，利用不同类别对之间的信息传递来增强新类特征，得到整体矫正的特征集然后选择中矫正后的新类特征集作为分类器的输入，并对预训练后的KBN-Net进行新类微调，得到最终的KBN-Net；S5：将未标注的新类图像输入最终的KBN-Net，该最终的KBN-Net将输出该未标注的新类图像所属类别的预测结果。
全文数据：
权利要求：
百度查询： 重庆理工大学 一种基于特征矫正的目标检测方法
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