公开(公告)号：CN119478507A

公开(公告)日：2025-02-18

申请号：CN202411523084.7

申请日：2024-10-29

Applicant: 华南农业大学 ,  桂林智慧产业园有限公司

Inventor： 王栋 ,  顾正燊 ,  付升武 ,  徐颂华 ,  王春光

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/44 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明公开了一种基于超图Transformer的多标签图像分类方法，与现有技术相比，具备以下有益效果：(1)构建了一种基于超图Transformer的多标签图像分类模型，该模型在挖掘顶点之间复杂关系时表现出更强的抗噪能力和泛化性，从而提高了分类的准确率；(2)提出一种自适应超图Transformer的网络模型，该模型定义一种图像内容感知的超图关联矩阵，并通过注意力机制构建顶点间的超图关联关系，从而增强模型的鲁棒性。

公开(公告)号：CN119091205A

公开(公告)日：2024-12-06

申请号：CN202411151635.1

申请日：2024-08-21

Applicant: 华南农业大学

Inventor： 王栋 ,  付升武 ,  顾正燊 ,  陈柏霖 ,  周丽娟

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06V10/44 ,  G06V10/762 ,  G06V10/774 ,  G06V20/70 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/048

Abstract: 本发明公开了一种基于对比样本生成学习的多标签图像分类方法，与现有技术相比，具备以下有益效果：(1)本发明利用对比学习约束不同类目标语义特征之间的距离，即通过对比学习约束各类目标语义特征彼此之间保持鉴别性，从而改善了现有多标签图像分类方法容易过拟合的问题，以提高图像标签分类精度；(2)此外，针对于对比学习要求大量对比样本的问题，本发明利用高斯混合模型生成目标语义特征的对比样本，能够解决对比学习中对比样本数量不足、质量低下的问题，从而提高了对比学习的效率、有效性，以最终提高模型分类能力。