[发明专利]一种基于端到端深度学习进行对象一致性检测方法在审
| 申请号： | 201711139653.8 | 申请日： | 2017-11-16 |
| 公开（公告）号： | CN107944443A | 公开（公告）日： | 2018-04-20 |
| 发明（设计）人： | 夏春秋 | 申请（专利权）人： | 深圳市唯特视科技有限公司 |
| 主分类号： | G06K9/32 | 分类号： | G06K9/32;G06K9/46;G06K9/62;G06N3/04;G06N3/06;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 518057 广东省深圳市高新技术产业园*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出了一种基于端到端深度学习进行对象一致性检测方法，旨在同时找到图像中对象的位置，类别和一致性，采用兴趣区域对齐层从图像特征图正确计算兴趣区域的特征，利用卷积层序列将RoI特征图上采样到高分辨卷积层获得一致性图，采用鲁棒策略调整训练模型来监督其一致性。对象检测用于对象定位，一致性检测将对象中的每个像素分配给其一致性标签，使用多任务损失进行训练包围盒分类、位置和一致性的映射，最后训练和推理获得一致性标签。本发明采用端到端深度学习，使用多任务损失函数联合优化对象检测和一致性检测，不需要额外信息，降低了训练和测试过程中的复杂性，有效地提高了检测的准确性，适用于实时机器人的应用。 | ||
| 搜索关键词： | 一种 基于 端到端 深度 学习 进行 对象 一致性 检测 方法 | ||
【主权项】：
一种基于端到端深度学习进行对象一致性检测方法，其特征在于，主要包括问题定式化(一)；一致性网络架构(二)；多任务损失(三)；训练和推理(四)。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于深圳市唯特视科技有限公司，未经深圳市唯特视科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711139653.8/，转载请声明来源钻瓜专利网。
