一种基于多尺度跨图像弱监督学习的违禁物检测方法

发明专利有效专利

申请号：
CN202110275640.3
IPC分类号：G06K9/62;G06N3/04;G06N3/08
申请日期：
2021-03-15
申请人：
浙江工商大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于多尺度跨图像弱监督学习的违禁物检测方法
申请号	CN202110275640.3	申请日期	2021-03-15
法律状态	实质审查	申报国家	中国
公开/公告日	2021-07-23	公开/公告号	CN113159120A
优先权	暂无	优先权号	暂无
主分类号	G06K9/62 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕	IPC分类号	G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	浙江工商大学	申请人地址	浙江省杭州市下沙高教园区学正街18号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	浙江工商大学	当前权利人	浙江工商大学
发明人	徐照程;田彦
代理机构	杭州求是专利事务所有限公司	代理人	刘静

摘要

本发明公开了一种基于多尺度跨图像弱监督学习的违禁物检测方法，该方法首先构建违禁物检测模型，所述违禁物检测模型由用于图像多尺度特征提取与融合的特征交互模型、学习目标语义信息的跨图像弱监督语义分析模型以及分割掩码辅助检测模型复合而成；本发明方法通过编码器提取多尺度特征、持续特征交互强化深层语义信息，残差学习网络整合上下文信息，使用联合注意力机制学习跨图像相似性矩阵，运用解码器结构获得高层次语义分割掩码辅助检测，获得最终检测结果。本发明方法能够有效提高物品严重遮挡、高度重叠情况下的违禁物检测的准确率。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供