CN115359335B 一种视觉目标检测网络模型的训练方法 （湖南艾凯瑞斯智能科技有限公司）_第1页
CN115359335B 一种视觉目标检测网络模型的训练方法 （湖南艾凯瑞斯智能科技有限公司）_第2页
CN115359335B 一种视觉目标检测网络模型的训练方法 （湖南艾凯瑞斯智能科技有限公司）_第3页
CN115359335B 一种视觉目标检测网络模型的训练方法 （湖南艾凯瑞斯智能科技有限公司）_第4页
CN115359335B 一种视觉目标检测网络模型的训练方法 （湖南艾凯瑞斯智能科技有限公司）_第5页
已阅读5页，还剩9页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

区谷苑路186号工程孵化中心大楼-西本发明涉及一种视觉目标检测网络模型的检测网络模型使用单样本匹配策略进行第二阶在部署后无需进行非极大值抑制处理即可实现2所述解耦预测网络包括一个分类分支、一个预测分支和一个回归分多样本匹配策略通过自适应选择与每个主体相匹配配策略通过自适应选择与每个主体相匹配的最优正样S307，循环执行S302至S306，直到迭代次数达到第3S404，将代价矩阵内元素按列进行排序，为单个目标选取代价最高的1个锚点作为匹S406，循环执行S402至S405，直到迭代次数达到第4完成后，通常会对单一对象输出多个结果，需要对输出结果进行NMS(Non_Maximum抑制处理即可实现模型端到端的检测性能的视觉目标5征提取器包括但不限于Resnet和CSPDar6[0040]下面将结合图1_4详细说明本发明，在此本发明的示意性实施例以及说明用来解的位置偏移量和尺寸的预测结果，具体的处理步骤从左到右依次为主干网络7[0046]图3所示为一种二阶段的训练流程，包含依次进行的多样本匹配训练和单样本匹直到迭代次数(Epoch)达到第一阶段预设次数(Multi_epochs)或损失值小于某一设定阈值播更新参数，以上过程循环执行，直到迭代次数(Epoch)达到第二阶段预设次数(Single_epochs)或损失值小于某一设定阈值时[0050]具体实施例分别使用一阶段和二阶段的方法对模型进行600次训练，得到的损失收敛到至3.25，性能较差；图4b为使用多样本匹配和单样本匹配的二阶段方法共训练600能大幅超越直接使用单样本匹配训练600[0051]本发明首次提出了视觉领域可以NMS_free(免非极大值抑制)训练的目标检测的

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论