龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：吉林大学
申请日：2024-03-15
公开（公告）日：2024-06-14
公开（公告）号：CN118196706A
主分类号：G06V20/52
分类号：G06V20/52;G06V10/774;G06V10/82
优先权：
专利状态码：在审-公开
法律状态：2024.06.14#公开
摘要：本文提出的基于单侧松弛最优传输与纯点基精确定位的密集检测方法，其主要步骤如下：步骤一、预训练一种金字塔视觉自注意力模型。定义好每一层中，视觉自注意力模型的规模大小。高效回归头与多尺度扩张卷积组成预测模块。步骤二、提出一种基于测度理论的计数方法，设计了一个单侧松弛最优传输算法。先对真值图和预测密度图形成的测度做Sinkhorn迭代收敛，并在这个过程中以98％的松弛度对传输矩阵的连续测度一侧进行边界松弛，再计算预测密度图形成的测度与传输矩阵对应的边缘分布的特征向量距离损失，形成单侧边界松弛惩罚。步骤三、提出一个纯点基精确定位框架，预测目标的位置点信息。通过匈牙利算法对候选点和真值点进行一对一匹配，来监督优化模型。
主权项：1.基于单侧松弛最优传输与纯点基精确定位的密集检测方法，其特征在于：至少包括以下步骤：步骤一：预训练一种金字塔视觉自注意力模型；需要定义好金字塔每一层中，视觉自注意力模型的规模和patch大小；高效回归头与多尺度扩张卷积MDC组成预测模块；步骤二：提出一种基于测度理论的计数方法，设计了一个不受测度等价性约束的单侧松弛最优传输算法；先对真值图和预测密度图形成的测度做Sinkhorn迭代收敛，并在这个过程中以98％的松弛度对传输矩阵的连续测度一侧进行边界松弛，再计算预测密度图形成的连续测度与最优传输矩阵对应一侧的边缘分布的特征向量距离损失，形成单侧边界松弛惩罚；步骤三：提出一个纯点基精确定位框架，预测目标的位置点信息；通过匈牙利算法对候选点和真值点进行一对一匹配，之后计算真值点与对应的匹配成功的候选点之间的交叉熵损失和像素坐标的欧氏距离，来监督优化模型；步骤四：将步骤二和步骤三的损失结合即可得到本方法的最终损失；步骤二的单侧松弛最优传输算法和步骤三的纯点基精确定位框架作为两个分支，以从步骤一得到的特征图信息作为起点，并行地进行损失计算，而后结合形成最终损失，共同来优化模型，提升模型的预测准确度和对目标的定位精确度。
全文数据：
权利要求：
百度查询： 吉林大学 基于单侧松弛最优传输与纯点基精确定位的密集检测方法
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