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：电子科技大学
摘要：本发明提出了一种基于两阶段目标检测算法的候选框生成网络进行改进，以适应小样本任务，并且期望能够基于少量的新类别样本有选择性地生成更高质量的候选框，提高泛化能力。传统的候选框生成网络并不能直接应用到小样本场景，具体方法是通过引入基于depth‑wise的相关计算作为注意力机制改RPN网络，以适应小样本任务。并且通过结合不同尺度的特征输入多个并行的RPN结构来加权决定最终生成的候选框，充分的利用图像的语义特征和细粒度特征。并且通过实验验证了改进的网络的可行性和优越性。
主权项：1.一种基于小样本任务的候选框生成网络设计方法，其特征在于，包括以下步骤：步骤1：对ResNet50参数进行调整。首先，原始ResNet50中卷积层4和卷积层5的块的步幅分别为16像素和32像素，而在修改后的网络中，这些块的步幅被调整为8像素，从而提高输出特征图的分辨率，有助于捕捉目标位置的细微变化。其次，为了保持之前的感受野大小，使用了空洞卷积dilatedconvolutions增大了卷积层4和卷积层5的块的感受野；步骤2：设计了多层特征聚合方式。对于不同层的卷积特征分别学习分类器和回归器，并将不同分支的RPN输出进行融合，随着主干网络的深度增加，可以从丰富的视觉和语义信息中获得收益；步骤3：采用轻量级的Depth-wiseCrossCorrelation层来实现小样本目标检测任务。结合支持集特征和查询集特征，生成一个注意力特征图，并将其输入边界框回归模块和前后景分类头。步骤4：基于传统的候选框生成网络进行改进，引入相关计算层，用于在小样本任务中处理输入数据，以便模型能够更好地关注重要部分。通过计算查询集图像和支持集图像之间的相关性，可以帮助模型更好地定位目标，从而实现一种形式的注意力机制。
全文数据：
权利要求：
百度查询： 电子科技大学 一种基于小样本任务的候选框生成网络设计方法
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