检索结果-南通市图书馆

检索条件"主题词=未知类别生成"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

开放环境下的目标检测算法研究

开放环境下的目标检测算法研究

引用

作者：虞季南上海大学

学位级别：硕士

目标检测旨在利用图像处理技术对输入图像中感兴趣的目标进行定位和分类,但是目前大部分关于目标检测的研究都是在一个封闭集的假设下:测试集中所有能被检测到的类别都在训练阶段出现过,即训练集与测试集的样本处于同一分布。虽然目前... 详细信息

目标检测旨在利用图像处理技术对输入图像中感兴趣的目标进行定位和分类,但是目前大部分关于目标检测的研究都是在一个封闭集的假设下:测试集中所有能被检测到的类别都在训练阶段出现过,即训练集与测试集的样本处于同一分布。虽然目前的目标检测算法层出不穷且已经趋于成熟,但是开放环境中测试样本无穷无尽,训练集中的样本类别仅仅是真实世界所有类别中的一部分,直接将传统的目标检测算法模型部署在开放的世界中时会面临诸多挑战。因此,开放环境目标检测的概念应运而生:(1)真实世界中的图片可能包含未知类别实例,此时模型应该将这些实例预测为“未知”。(2)当识别到的“未知”目标被人类专家标注后,模型应该能增量地学习这些新类。然而,设计这样一个开放环境下的目标检测算法有如下挑战:(1)未知类别实例的检测。由于模型缺少未知类别数据的监督,模型难以对未知目标进行召回,大部分情况下模型都将未知类别的物体当作背景处理,而小部分情况下未知类别的物体会被预测称已知类别。(2)灾难性遗忘。当未知类别目标被模型检测到并被人类专家标注后成为新类,模型需要增量地学习这些新类。但是模型在对新类进行学习时,模型参数会更偏向于新类,因此模型在旧类上的表现会大幅下降,如何缓解模型的灾难性遗忘也是开放环境目标检测的重点。本文针对开放环境目标检测算法的难点,提出了两种可行的方案,分别从无数据生成和基于数据生成的角度出发将本文的具体研究内容分为了两个部分:(1)基于原型学习的开放环境目标检测。利用原型学习的思想,同类实例的嵌入特征在嵌入空间上将相互吸引,而异类的实例的嵌入特征在嵌入空间上相互排斥。每个类别的样本在嵌入空间上会形成一个紧凑的簇,最后根据实例嵌入特征与各类原型中心的距离判断其是否为未知类别目标。这是一种不需要未知类别数据来监督模型学习的方法。(2)基于特征混合的未知类别生成的开放环境目标检测。与第一类方式不同,该类开放环境检测范式主要利用已知类的数据生成未知类别数据,以此监督模型的学习。为了适应未知类别的多样性,原本的分类器被修改成含多个未知类别的分类器。为了减少各类特征分布之间的重叠,对比学习被用于提升已知样本的特征质量。为了防止模型在新任务中训练后对旧知识的灾难性遗忘,知识蒸馏机制被用于缓解模型参数的过大变化。本文通过大量的实验验证了所提出算法的有效性。

关键词：开放环境目标检测原型学习未知类别生成

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：