一种基于元学习与伪标签策略的增量语义分割方法.pdf
含平****ng
亲,该文档总共11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
一种基于元学习与伪标签策略的增量语义分割方法.pdf
本发明公开了一种基于元学习与伪标签策略的增量语义分割方法,包括:建立模型;表征训练,在每个增量步开始阶段,冻结除了特征提取器外的其他网络结构,利用临时分割头训练特征提取器;知识连接,仅更新掩码生成器与分割头的参数,冻结其他结构的参数,特征提取器提取训练数据的特征,掩码生成器生成掩码对语义分割网络进行分割;知识更新,利用元学习策略训练共享知识库,更新参数,进而获取可重复使用的知识以面对新任务;知识巩固,再次对掩码生成器与分割头进行训练,以巩固共享知识库中的新知识。本发明采用元学习算法可缓解模型对旧任务的遗忘
一种基于伪标签生成的从局部到全局的域自适应遥感影像语义分割方法.pdf
本发明涉及一种基于伪标签生成的从局部到全局的域自适应遥感影像语义分割方法,所述方法包括以下步骤:基于伪标签生成的从局部到全局的域自适应遥感影像语义分割准备工作、构建与训练基于伪标签生成的从局部到全局的域自适应遥感影像语义分割模型、对基于伪标签生成的从局部到全局的域自适应遥感影像语义分割模型求解和验证。与现有技术相比通过构建从局部到全局的域自适应遥感影像语义分割网络,解决了超高分辨率遥感影像难以自适应的问题,并从局部语义特征差异到全局结构特征差异进行特征对齐,得到局部以及全局的特征表示,使超高分辨率遥感影像
一种语义标签引导的视频对象分割方法.pdf
本发明提供一种语义标签引导的视频对象分割方法,包括:根据对象所属的语义类别标签,依次利用对象包围盒检测器和对象轮廓检测器对输入视频的每一帧进行检测,得到该输入视频每一帧的候选对象包围盒集合和候选对象轮廓集合;建立包含候选对象包围盒集合与候选对象轮廓集合的联合分配模型,求出该输入视频中所述对象对应的初始分割序列,并对该初始分割序列进行处理,估算出所述对象的形状概率分布;结合该形状概率分布,依次利用图割算法对每一个包含所述对象的序列进行优化处理,得到所述对象对应的最优分割序列。本发明的技术方案,解决了现有视频
一种基于深度学习的遥感图像语义分割方法.pdf
本发明公开了一种基于深度学习的遥感图像语义分割方法,包括以下步骤:获取数据集;对数据进行增广;构建segnet、unet网络模型;修改segnet网络,在编码器中的前两个阶段增加两个空洞空间金字塔池化(ASPP)模块,有效提取多尺度特征,保留空间位置信息,完成两个ASPP模块的训练后,在解码器中进行相应的特征融合;载入数据进行模型训练、预测;模型融合,将使用三个模型得到的预测图的每个像素点进行投票;对预测结果做可视化处理。本发明对segnet网络进行改进,增强了特征提取能力并有效的融合了网络的上下文信息,
一种基于伪标签的视线估计方法.pdf
本发明涉及一种基于伪标签的视线估计方法,包括以下步骤:获取面部图像;将所述面部图像输入至训练好的视线评估模型中进行预测得到预测视线;其中,所述视线评估模型在训练时,使用少量有标签的真实训练集对模型进行训练,得到预训练模型,根据增加了随机失活层的所述预训练模型对无标签的数据打上伪标签,计算所述伪标签的不确定值,并保留所述不确定值小于阈值的伪标签对应的数据,将保留的伪标签对应的数据和真实训练集一起重新训练模型,如此循环迭代直至训练完毕,得到所述视线评估模型。本发明大大减轻了视线估计对人工标签的依赖性。