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！
摘要：本发明属于计算机视觉技术领域，公开了基于少样本学习的检测目标与背景相似度评估方法及系统。该方法以检测目标的边界框为网格单元对整张图像进行遍历；设置超参数确定图像区域是否保留或删除；设定的阈值判定对网格化后的图像区域包含同类的多个同类检测目标，得到分割图像与检测目标两部分；进行相似度评估，改变数据集的加载方式；通过删除推理模型中的近邻算法，并修改前向传播函数进行查询图像、支持图像分类；重新定义模型验证函数，应用于计算检测目标与分割图像的相似度。本发明针对不同实用场景的需求，为定量分析目标检测任务所需的数据集数量提供一定的研究基础。
主权项：1.基于少样本学习的检测目标与背景相似度评估方法，其特征在于，该方法包括：S1，对原始图像中的检测目标进行网格化处理，以检测目标的边界框为网格单元，对整张图像进行遍历；S2，在对整张图像遍历的过程中，确定网格化后的图像区域面积与检测目标的边界框面积比值，通过设置超参数确定图像区域是否保留或删除；S3，若当前检测目标与第个检测目标的交并比最小的值大于设定的阈值，判定对网格化后的图像区域包含与同类的多个同类检测目标，并进行图像区域删除；S4，剔除掉不符合要求的图像区域后，对原始图像进行分割，将分割后的图像按照对原始图像逐行遍历的方法依次进行编号，得到分割图像与检测目标，分割图像为符合需求的背景图像；S5，选取少样本学习模型作为评估方法进行相似度评估，将检测目标作为查询集，按照检测目标网格化处理后得到的分割图像作为支持集，计算二者之间的相似度；每次计算时将检测目标作为基准，依次与分割图像进行比较；S6，在检测目标与分割图像进行比较中，通过数据加载器改变数据集的加载方式；S7，在数据集加载后，删除推理模型中的近邻算法，并修改前向传播函数，将数据集分为查询集、支持集；S8，重新定义模型验证函数，应用于计算检测目标与分割图像的相似度。
全文数据：
权利要求：
百度查询： 中国石油大学(华东) 基于少样本学习的检测目标与背景相似度评估方法及系统
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