这些文章的目的不是利用对比学习做一个新的目标检测算法,而是基于目标检测的特性(translation/scale equivariance,local/spatial information等)利用对比学习范式得到一个更好的预训练模型,使得在目标检测(是下游任务了)上的表现更好(相比于MoCo[1], SimCLR[2]这类image-level的对比学习方法)。 先贴一下这四篇论文(...
本发明属于计算机视觉中的跨域目标检测领域,尤其涉及一种基于对比学习的跨域目标检测方法。 背景技术: 1、目标检测是计算机视觉中一个基本但具有挑战性的问题,它旨在识别和定位图像中特定类的所有对象实例。在过去的几年里,有监督信息的目标检测算法得到了广泛的发展。然而,这些研究大多基于训练数据集和应用场景分布相同...
得益于深度学习——主要是卷积神经网络(convolution neural network: CNN)和候选区域(region proposal)算法,从2014年开始,目标检测取得了巨大的突破。本文主要对基于深度学习的目标检测算法进行剖析和总结,文章分为四个部分:第一部分大体介绍下传统目标检测的流程,第二部分介绍以R-CNN为代表的结合region proposal和CNN分类...
【摘要】现有基于深度学习的目标检测算法在图像的目标检测过程中存在物体视角的多样性、目标本身形变、检测物体受遮挡、光照性以及小目标检测等问题。为了解决这些问题,本文将对比学习思想引入到SSD(Single Shot MutiBox Detectior)目标检测网络中,对原有的SSD算法进行改进。首先,通过采用图像截块的方式随机截取样本图片中...
一种基于对比学习的低照度目标检测方法,属于计算机视觉和深度学习领域.本发明方法综合了对比学习技术和计算机视觉领域目标检测技术,实现了低照度环境下的实时目标检测功能.本发明的方法在进行低照度图像的特征提取过程中,采用了将基于对比学习训练的骨干网络提取的特征和基于有监督训练的骨干网络提取的特征进行融合的方法,...
摘要:本发明公开了一种基于自监督对比学习的目标检测方法,所述方法包括:将采集的待检测 图像输入预先建立和训练好的目标检测模型,得到目标检测结果;在所述目标检测模型的训练环节引 入自监督对比损失函数,引导目标检测模型学习高层场景语义信息。本发明采用的孪生组合数据增强 方法能够有效地针对自监督学习方法扩充原有的...
专利权项:1.一种基于原型对比学习的少样本点云目标检测方法,其特征在于,包括:获取点云场景的种子点以及其特征;构建点云场景的几何原型库;给每个所述种子点的前景点分配一个几何原型,并获取其原始伪标签,通过所述原始伪标签构建正负样本对,进行几何对比学习;基于所述种子点以及特征在语义层面施加约束,进行语义对比学...
1、本发明的目的在于提供一种基于语义感知和自适应对比学习的零样本目标检测方法,以缓解现有基于映射的方法对于已见类别的偏见问题,并在特征空间中保持不同类别间的语义结构关系,从而提升检测性能。 2、本发明提供的基于语义感知和自适应对比学习的零样本目标检测方法,使用多种新的技术手段,包括构建基于detr的零样本目标...
基于多模态增量学习模型的目标物体检测方法研究 运动目标物体检测是现今计算机视觉研究的热点问题之一.对该问题虽然研究数量众多,但一些复杂的问题,例如环境光照变化,目标物体半/全遮挡,目标物体刚性/非刚性形变等,... 曾舒如 - 《南昌大学》 被引量: 1发表: 2016年 基于多模态对比学习的代码表征增强预训练方法 ...
1.一种基于注意力和对比学习的小样本目标检测方法,其特征在于:基于小样本马赛克数据增强模块、坐标补偿注意力区域提议网络、新旧类判别模块和对比学习模块, 各模块具体构成如下: 小样本马赛克数据增强模块,包括样本选择策略、马赛克数据增强方法; 坐标补偿注意力区域提议网络,包括区域提议网络、回归坐标补偿注意力分支、坐标...