内容提供者
基于前景-类别感知对齐的域自适应目标检测方法及系统.pdf
2023-05-18
10金币
2.1MB
27页
小长****6淑
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共27页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
基于前景-类别感知对齐的域自适应目标检测方法及系统.pdf
本发明公开了一种基于前景?类别感知对齐的域自适应目标检测方法及系统,该方法包括:使用通过下面步骤获得的域自适应目标检测模型在目标域数据集对应的场景进行目标检测;步骤1,设置图像级域分类器和实例级域分类器,构建基准模型;步骤2,设置前景感知模块和类别感知模块,构建基于前景?类别感知对齐的域自适应目标检测模型;步骤3,训练并获得域自适应目标检测模型。本发明能够跨域目标检测流程的关注点从整体特征对齐,到前景特征对齐,再到类别特征对齐的转变,在跨天气、跨摄像头、跨复杂场景检测下都取得了在目标域上的性能提升。
2023-05-18
10
2.1MB
基于领域自适应的跨域目标检测方法.pdf
本发明公开一种基于领域自适应的跨域目标检测方法,包括:步骤1,获取包括源域Ds和目标域D<base:Sub>T</base:Sub>的目标检测数据集,进行数据增强和数据集扩充;步骤2,采用扩充后的数据集对CycleGAN网络进行训练并输出生成数据域D<base:Sub>G</base:Sub>;步骤3,构建FasterRCNN网络作为目标检测器,将源域Ds和生成数据域D<base:Sub>G</base:Sub>作为训练集对目标检测器进行训练;步骤4,对目标域D<base:Sub>T</base:Sub>
2023-05-18
10
720KB
一种用于域自适应目标检测的类别正则化方法及系统.pdf
本发明公开了一种用于域自适应目标检测的类别正则化方法及系统,该方法包括:步骤1,获取源域感兴趣区域特征向量<base:Imagehe=@71@wi=@49@file=@DDA0003476728030000011.JPG@imgContent=@drawing@imgFormat=@JPEG@orientation=@portrait@inline=@yes@/>和目标域感兴趣区域特征向量<base:Imagehe=@88@wi=@76@file=@DDA0003476728030000012.JPG@i
2023-05-24
10
1.9MB
基于频谱感知自适应信道化检测方法.pdf
本发明公开了一种基于频谱感知自适应信道化检测方法，属于电子侦察领域，对电磁信号进行频谱感知、频谱分析、信道匹配、检测与参数估计，输出检测结果。首先对监视频带的电磁信号依次进行AD采样、短时傅里叶变换（STFT）后，得到频谱感知数据；对频谱感知数据输入进行实时能量谱密度估计，生成均值谱与极大值谱；通过均值谱与极大值谱对信号分布的频段进行频谱分析，生成信道适配参数；根据信道适配参数对数字信道化结构进行自适应调整，实现信号带宽与信道化带宽最优化匹配，并对输入的电磁信号进行自适应信道化检测与参数估计，完成最终的检
2023-06-02
10
606KB
基于域自适应深度迁移网络的钢表面缺陷检测方法及系统.pdf
本发明提供一种基于域自适应深度迁移网络的钢表面缺陷检测方法及系统，方法包括：获取带钢表面典型缺陷图像样本，并对样本进行预处理；构建对抗域分离与自适应网络模型；将新样本特征嵌入到源域图像样本的共享特征中，并计算任务分类损失和嵌入分类损失；通过将多个损失添加权重，动态地优化动态分类损失与动态适应损失，并更新模型参数；当迭代次数达最优时，保存所述模型参数，并输入所述目标领域测试集，得到所述目标领域中钢表面缺陷检测的精度。本发明在对抗域分离与自适应深度迁移网络的基础上引入自适应挖掘样本隐藏信息和添加动态权重优化损
2023-07-21
10
1.3MB