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：北京航空航天大学
摘要：本发明公开了一种基于扩散模型的先验引导弱特征隐匿目标回归方法，首先对已标注数据进行数据增强增加数据泛化性；其次设计弱特征隐匿目标边缘推理方法，通过边缘引导的信息精炼模块辅助对弱特征目标的位置理解；而后在扩散模型架构下，以复杂场景作为条件信息，当前阶段数目，以及上一阶段输出作为当前阶段输入，进行初始阶段到当前阶段的高斯噪声预测，实现反向传播；再高斯噪声预测过程中使用由粗到精的思想，通过多层级特征融合对回归结果的进一步优化。这种隐匿目标回归采用区别于传统编码器‑解码器结构的扩散模型框架，可以针对弱特征隐匿目标实现像素级的回归，对弱特征目标细节重建方面、模型可解释性方面有更加优异的表现。
主权项：1.一种基于扩散模型的先验引导弱特征隐匿目标回归方法，其特征在于，包括以下步骤：步骤1、将标注好的已公开的已标注数据集作为基础，使用包括随机裁剪、缩放、抖动的方法进行数据增强预处理；步骤2、设计弱特征隐匿目标边缘推理模块搜寻目标边缘，将弱特征隐匿目标的边缘信息作为物体位置以及形状先验，通过边缘引导的信息精炼模块增强模型强化视觉特征中包括的标形状以及位置信息，得到边缘信息引导的精炼特征；步骤3、通过设计先验-特征互融合模块，利用多参数分组卷积以及维度重整方法，将边缘信息引导的精炼特征以及基于序列映射器提取的噪声预测特征进行空间以及通道方向的充分融合，并在扩散模型基础架构下，以复杂场景图片作为条件信息，当前阶段数目以及上一阶段输出作为模型输入，使用由粗到精的方式实现噪声预测网络的特征精炼；步骤4、根据由粗到精的网络结构，分级融合各层精炼后的特征，进而完成初始阶段到当前阶段的高斯噪声预测，最终实现弱特征隐匿目标的回归。
全文数据：
权利要求：
百度查询： 北京航空航天大学 一种基于扩散模型的先验引导弱特征隐匿目标回归方法
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