融合注意力機(jī)制的弱監(jiān)督迷彩偽裝目標(biāo)檢測算法
所屬分類：技術(shù)論文
上傳者：zhoubin333
文檔大?。?span>1360 K
標(biāo)簽： 目標(biāo)檢測 弱監(jiān)督算法 注意力機(jī)制
所需積分：0分積分不夠怎么辦？
文檔介紹：隨著計(jì)算機(jī)硬件和人工智能技術(shù)的發(fā)展,，強(qiáng)監(jiān)督目標(biāo)檢測算法已經(jīng)取得了很大的成果,。然而，強(qiáng)監(jiān)督目標(biāo)檢測算法需要在大規(guī)模,、標(biāo)注精度高的數(shù)據(jù)集上進(jìn)行訓(xùn)練,。但在某些特定領(lǐng)域，上述條件要求過于苛刻,。例如,，軍事上常用的迷彩偽裝目標(biāo)的圖像數(shù)據(jù)集就比公共數(shù)據(jù)集更難獲得且標(biāo)注難度更大。因此,，采用對數(shù)據(jù)集要求更低的弱監(jiān)督目標(biāo)檢測算法來實(shí)現(xiàn)迷彩偽裝目標(biāo)的檢測任務(wù),。由于圖像中迷彩偽裝目標(biāo)與背景融合度較大，導(dǎo)致原始淺層特征感知偽監(jiān)督目標(biāo)定位(Shallow feature-aware Pseudo supervised Object Localization,，SPOL)算法的檢測精度相對較低,。本文的核心是在SPOL算法的基礎(chǔ)上融合注意力機(jī)制，通過加入注意力模塊,，讓模型更加關(guān)注迷彩偽裝目標(biāo)的區(qū)域,，以此來提高迷彩偽裝目標(biāo)的檢測精度。
現(xiàn)在下載
VIP會(huì)員,，AET專家下載不扣分,；重復(fù)下載不扣分，本人上傳資源不扣分,。