基本信息:
- 专利标题： 基于自监督排序学习的图像去冗余方法
- 申请号：CN202310492353.7 申请日：2023-05-05
- 公开(公告)号：CN116612021A 公开(公告)日：2023-08-18
- 发明人： 陈智能 , 罗扬 , 吴祖煊 , 姜育刚
- 申请人： 复旦大学
- 申请人地址： 上海市杨浦区邯郸路220号
- 专利权人： 复旦大学
- 当前专利权人： 复旦大学
- 当前专利权人地址： 上海市杨浦区邯郸路220号
- 代理机构： 上海正旦专利代理有限公司
- 代理人： 王洁平
- 主分类号： G06T5/00
- IPC分类号： G06T5/00 ; G06T3/60 ; G06T3/40 ; G06V10/40 ; G06V10/762 ; G06V10/764 ; G06V10/82 ; G06V10/774 ; G06N3/0442 ; G06N3/0455 ; G06N3/088
摘要：
本发明属于图像智能分析领域，具体为一种基于自监督排序学习的图像去冗余方法。本发明将图像切分为不相交的小图像块集合，进而提出基于图像块推理重建质量的伪标签生成方法，以及基于此的图像块重要性排序建模及冗余内容识别。基于此，本发明的图像识别等下游任务可以仅在依据排序模型选择得到的重要图像块而不是全部图像内容上进行。本发明可以在保持识别精度的情况下，大幅降低当前具备识别优势的视觉自注意模型的计算代价。此外，该方法突破了传统有监督图像冗余内容识别方法会带来归纳偏差的不足，具有更好的通用性，并在相同的去冗余比例下具有更高的识别精度。
IPC结构图谱:
| G | 物理 |
| --G06 | 计算；推算；计数 |
| ----G06T | 一般的图像数据处理或产生 |
| ------G06T5/00 | 图像的增强或复原，如从位像到位像地建立一个类似的图形 |