特征編碼模型、視覺關(guān)系檢測模型的訓(xùn)練方法及檢測方法

基本信息

申請?zhí)?/td> CN201910650283.7 申請日 -
公開（公告）號 CN110390340A 公開（公告）日 2021-06-01
申請公布號 CN110390340A 申請公布日 2021-06-01
分類號 G06K9/46;G06K9/62;G06K9/68 分類 計算；推算；計數(shù);
發(fā)明人 朱藝;梁小丹;林倞 申請（專利權(quán)）人 暗物智能科技（廣州）有限公司
代理機構(gòu) 北京三聚陽光知識產(chǎn)權(quán)代理有限公司 代理人 張琳琳
地址 511458 廣東省廣州市南沙區(qū)豐澤東路106號（自編1號樓）X1301-G5994（集群注冊）（JM）
法律狀態(tài) -

摘要

摘要 本發(fā)明涉及視覺關(guān)系檢測技術(shù)領(lǐng)域，具體涉及特征編碼模型、視覺關(guān)系檢測模型的訓(xùn)練方法及檢測方法；其中，特征編碼模型的訓(xùn)練方法包括獲取初始特征編碼模型；獲取樣本數(shù)據(jù)；將每個樣本數(shù)據(jù)輸入初始特征編碼模型中；基于類別從視覺常識數(shù)據(jù)中提取引導(dǎo)圖；根據(jù)引導(dǎo)圖對初始特征編碼模型進行訓(xùn)練，調(diào)整轉(zhuǎn)換矩陣，以對每個目標(biāo)區(qū)域的目標(biāo)特征進行更新，得到每個目標(biāo)區(qū)域的目標(biāo)特征編碼。利用視覺常識中與該類別相關(guān)的引導(dǎo)圖一方面彌補了樣本數(shù)據(jù)不足的缺陷，使得在對目標(biāo)特征進行再次編碼時能夠有足夠的樣本數(shù)據(jù)支撐，另一方面保證了目標(biāo)特征編碼時就已經(jīng)引入關(guān)系感知，為后續(xù)視覺關(guān)系的檢測提供的條件，進而能夠提高視覺關(guān)系檢測的準(zhǔn)確率。