申请/专利权人:浙江工业大学
申请日:2024-03-22
公开(公告)日:2024-06-25
公开(公告)号:CN118247599A
主分类号:G06V10/774
分类号:G06V10/774;G06V10/143;G06V10/25;G06V10/80;G06V10/82;G06T15/00;G06T15/04;G06N3/084
优先权:
专利状态码:在审-公开
法律状态:2024.06.25#公开
摘要:本发明公开了一种针对多种融合策略的多模态全向伪装生成方法和装置,方法包括以下步骤:构建目标检测任务数据集;利用神经渲染器对数据集的原始图像中的目标进行重建轮廓得到生成图像,构建包括内容损失、风格损失和颜色损失的神经渲染损失函数;将生成图像输入多模态目标检测模型得到多模态目标检测结果后输入多融合策略后融合模型中得到融合检测结果,构建包括多模态损失和多融合策略后融合损失的多模态融合损失函数,利用损失函数对生成图像进行纹理渲染得到伪装样本;对伪装样本的隐身效果进行评估。本发明能够提高面向多融合策略的多模态伪装方法的有效性和泛化性,增强目标隐身效果,适用于安全检测和入侵检测系统中目标伪装应用场景。
主权项:1.一种针对多种融合策略的多模态全向伪装生成方法,其特征在于,包括以下步骤:构建用于目标检测任务的数据集,数据集中包括涵盖多种背景和环境的原始图像、以及涵盖目标位置和类别的标签;利用神经渲染器对原始图像中的目标进行重建轮廓得到生成图像,基于生成图像构建包括内容损失、风格损失和颜色损失的神经渲染损失函数;将生成图像输入多模态目标检测模型得到多模态目标检测结果后输入多融合策略后融合模型中得到融合检测结果,基于目标检测结果和融合检测结果构建包括多模态损失和多融合策略后融合损失的多模态融合损失函数,基于原始图像和标签利用神经渲染损失函数和多模态融合损失函数对生成图像进行纹理渲染得到伪装样本;将伪装样本输入多模态目标检测模型得到多模态目标检测结果后输入多融合策略后融合模型中得到最终的融合检测结果,根据多模态目标检测结果和最终的融合检测结果对伪装样本中目标的隐身效果进行评估。
全文数据:
权利要求:
百度查询: 浙江工业大学 针对多种融合策略的多模态全向伪装生成方法和装置
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。