公开(公告)号：CN111242268A

公开(公告)日：2020-06-05

申请号：CN202010012084.6

申请日：2020-01-07

Applicant: 中国科学院计算技术研究所

Inventor： 朱徽 ,  徐勇军 ,  安竹林 ,  许开强 ,  刁博宇

IPC: G06N3/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种搜索卷积神经网络的方法，包括：构建初始卷积神经网络并训练至收敛，其中所述初始卷积神经网络包括一个或多个进化模块、全局平均池化层、全连接层；以训练后的初始卷积神经网络为基础进行多次迭代突变以得到多个突变卷积神经网络，其中，单次突变是从预设的突变方式中随机选择一种突变方式对当前卷积神经网络中的所有进化模块的结构同时进行突变后对整个卷积神经网络进行训练至收敛得到一个新的突变卷积神经网络，每次突变得到一个突变卷积神经网络；从步多个突变卷积神经网络中选择适应度最大的突变卷积神经网络作为搜索结果。采用本发明可以根据已有网络结构和参数方面的经验，有方向性地改变神经网络结构，并减少训练消耗。

公开(公告)号：CN112085746B

公开(公告)日：2024-02-02

申请号：CN202010937140.7

申请日：2020-09-08

Applicant: 中国科学院计算技术研究所厦门数据智能研究院

Inventor： 安竹林 ,  许开强 ,  程坦 ,  徐勇军

IPC: G06T7/11 ,  G06T7/12 ,  G06N3/0464

Abstract: 本发明公开了一种基于增强特征表示的图像分割方法，包括如下步骤：S1、以卷积神经网络作为骨干网络，将待分割图像输入到卷积神经网络以获得初次分割结果，输出特征图；S2、利用全局平均池化捕获所述特征图的类别整体特征；S3、重建像素特征，将其用于分类获得最终的分割图像。本发明通过捕获各类别的整体特征，将其作用于各类别内像素点，进而增强像素特征表示，提高类内像素点的相似度和类间像素点的判别性，从而提高图像分割的准确性。

公开(公告)号：CN112085747A

公开(公告)日：2020-12-15

申请号：CN202010937149.8

申请日：2020-09-08

Applicant: 中国科学院计算技术研究所厦门数据智能研究院

Inventor： 安竹林 ,  许开强 ,  程坦 ,  徐勇军

IPC: G06T7/11 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于局部关系指导的图像分割方法，包括如下步骤：S1、在卷积神经网络模型中设计两个分支，第一分支为异同判断模块，第二分支保留原有的分割模块；S2、异同判断模块输出得到待分割图像的局部关系图r，并通过已有分割标注信息的变换进行监督；S3、分割模块输出初步分割结果S4、将局部关系图r与初步分割结果融合，通过定义的引导公式进行引导，调整初步分割结果生成最终分割结果p。本发明将像素局部关系信息作用到初步分割结果中，使得像素点的输出能显式利用周围像素点的分类信息和周围像素点与中心像素点的关系信息，克服了现有技术无法有效利用边界信息的缺陷，提高图像分割的准确性，同时有效降低了学习的难度。

公开(公告)号：CN112085746A

公开(公告)日：2020-12-15

申请号：CN202010937140.7

申请日：2020-09-08

Applicant: 中国科学院计算技术研究所厦门数据智能研究院

Inventor： 安竹林 ,  许开强 ,  程坦 ,  徐勇军

IPC: G06T7/11 ,  G06T7/12 ,  G06N3/04

Abstract: 本发明公开了一种基于增强特征表示的图像分割方法，包括如下步骤：S1、以卷积神经网络作为骨干网络，将待分割图像输入到卷积神经网络以获得初次分割结果，输出特征图；S2、利用全局平均池化捕获所述特征图的类别整体特征；S3、重建像素特征，将其用于分类获得最终的分割图像。本发明通过捕获各类别的整体特征，将其作用于各类别内像素点，进而增强像素特征表示，提高类内像素点的相似度和类间像素点的判别性，从而提高图像分割的准确性。