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：福建技术师范学院
摘要：本发明属于深度学习和目标识别技术领域，具体涉及一种基于弱监督协同学习算法的安全帽识别方法及存储介质。本发明的方法包括以下步骤：采用图像级别标签图像对弱监督协同学习算法网络进行训练；将待检测图像输入训练好的所述弱监督协同学习算法网络进行目标检测，得到概率向量；根据所述概率向量判定所述待检测图像中人物是否正确佩戴安全帽。本申请的技术方案采用一种新的协同学习构架，它在弱监督的学习过程中把弱监督检测子网络和有监督检测子网络连接成一个统一的整体，利用预测一致性损失加强了这两个检测子网络的实例预测一致性，这样让这个弱监督协同学习算法既具有弱监督的高效的训练网络的能力，也具有有监督的算法精准的检测精度。
主权项：1.一种基于弱监督协同学习算法的安全帽识别方法，其特征在于，包括以下步骤：步骤1、采用图像级别标签图像对弱监督协同学习算法网络进行训练，包括以下步骤：步骤11、通过卷积层和ROI池化层对图像级别标签图像进行特征提取，得到包含样本实例训练图片包；步骤12、弱监督学习模块根据所述训练图片包进行训练并生成边界框级别标签图像第一实例子集，包括以下步骤：步骤121、连续实例选择器对所述训练图片包中的样本实例进行子集划分；步骤122、连续评估器根据所述训练图片包样本实例子集划分结果对所述训练图片包中的样本实例进行评估；步骤123、将评估后的所述训练图片包作为边界框级别标签图像第一结果集；步骤13、有监督学习模块根据所述训练图片包以及所述边界框级别标签图像第一实例子集进行训练并生成边界框级别标签图像第二实例子集；步骤14、有监督学习模块对所述边界框级别标签图像第一实例子集以及所述边界框级别标签图像第二实例子集计算一致性损失，并根据计算结果更新所述有监督学习模块的网络参数；步骤2、将待检测图像输入训练好的所述弱监督协同学习算法网络进行目标检测，得到概率向量；步骤3、根据所述概率向量判定所述待检测图像中人物是否正确佩戴安全帽。
全文数据：
权利要求：
百度查询： 福建技术师范学院 基于弱监督协同学习算法的安全帽识别方法及存储介质
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