原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明涉及一种基于多任务适配器微调的伪装目标检测方法，提出了一种了“预训练、适应和检测”框架来检测伪装物体，通过在各种任务上学习更加广泛的知识，使其面对伪装物体的欺骗更加“智能”。具体而言，首先利用大规模的多模态数据对基础模型进行预训练，然后并行插入一个轻量级适配器，使预先训练好的模型适应于下游任务。在获得更精细的特征图后，使用COD检测头精确检测像素级伪装目标。本发明进一步提供了跨任务学习适配器的多任务学习方案，通过对源任务的多任务适配器初始化和对目标任务的多任务适配器自适应，可以学习不同语义
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116524183 A
(43)申请公布日 2023.08.01
(21)申请号 202310401697.2 G06N 3/045 (2023.01)
文档评论（0）