公开(公告)号：CN117809186B

公开(公告)日：2024-11-29

申请号：CN202311863533.8

申请日：2023-12-29

Applicant: 南京信息工程大学

Inventor： 姜胜芹 ,  揭谦 ,  张道龙

IPC: G06V20/10 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/084 ,  G06V10/82 ,  G06V10/44 ,  G06V10/776

Abstract: 本发明公开了一种基于异质框架搜索的蚜虫计数方法及装置，本发明首先构建蚜虫训练数据集，包括蚜虫图像收集和标签制作，所述标签制作用于对每张图片的蚜虫目标进行点标注，利用高斯核对点标注进行卷积运算生成高斯密度图。然后，对蚜虫图像进行数据预处理。之后构建蚜虫计数网络模型，包括基础网络、异质框架搜索模块和特征稳定器模块。再将预处理后的蚜虫图像和对应的密度图作为训练样本，对所述蚜虫计数网络模型进行网络结构搜索及训练；最后将待计数的蚜虫图像输入训练好的蚜虫计数模型，输出得到密度图，对密度图中的数值进行求和，得到蚜虫的计数值。本发明可以对包含蚜虫的图像进行蚜虫计数，能完成不同尺度下精确的蚜虫计数。

公开(公告)号：CN117809186A

公开(公告)日：2024-04-02

申请号：CN202311863533.8

申请日：2023-12-29

Applicant: 南京信息工程大学

Inventor： 姜胜芹 ,  揭谦 ,  张道龙

IPC: G06V20/10 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/084 ,  G06V10/82 ,  G06V10/44 ,  G06V10/776

Abstract: 本发明公开了一种基于异质框架搜索的蚜虫计数方法及装置，本发明首先构建蚜虫训练数据集，包括蚜虫图像收集和标签制作，所述标签制作用于对每张图片的蚜虫目标进行点标注，利用高斯核对点标注进行卷积运算生成高斯密度图。然后，对蚜虫图像进行数据预处理。之后构建蚜虫计数网络模型，包括基础网络、异质框架搜索模块和特征稳定器模块。再将预处理后的蚜虫图像和对应的密度图作为训练样本，对所述蚜虫计数网络模型进行网络结构搜索及训练；最后将待计数的蚜虫图像输入训练好的蚜虫计数模型，输出得到密度图，对密度图中的数值进行求和，得到蚜虫的计数值。本发明可以对包含蚜虫的图像进行蚜虫计数，能完成不同尺度下精确的蚜虫计数。

公开(公告)号：CN117809100A

公开(公告)日：2024-04-02

申请号：CN202311847377.6

申请日：2023-12-29

Applicant: 南京信息工程大学

Inventor： 姜胜芹 ,  张道龙 ,  张浩哲 ,  刘青山

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/44 ,  G06N3/045 ,  G06N20/00 ,  G06N3/096

Abstract: 本发明公开了一种双粒度提示下基于回放的持续学习模型建立方法及装置，本发明首先对训练数据集中的图像进行预处理；然后构建双粒度提示下基于回放的持续学习模型，包括特征提取器、分类器、输入感知提示模块和代理特征提示模块；所述特征提取器用于从输入的样本中提取特征；所述分类器用于将特征提取器输出的特征进行分类；所述输入感知提示模块用于网络输入的额外补充，帮助生成更合理和多样化的输入分布，提高网络的泛化能力；所述代理特征提示模块用于弥合教师和学生模型之间的知识差距，以在特征转移过程中保持一致性，增强了特征的可塑性和稳定性。本发明可以高效完成持续学习任务，图像分类精度比现有持续学习方法更优。

公开(公告)号：CN117809100B

公开(公告)日：2024-12-13

申请号：CN202311847377.6

申请日：2023-12-29

Applicant: 南京信息工程大学

Inventor： 姜胜芹 ,  张道龙 ,  张浩哲 ,  刘青山

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/44 ,  G06N3/045 ,  G06N20/00 ,  G06N3/096

Abstract: 本发明公开了一种双粒度提示下基于回放的持续学习模型建立方法及装置，本发明首先对训练数据集中的图像进行预处理；然后构建双粒度提示下基于回放的持续学习模型，包括特征提取器、分类器、输入感知提示模块和代理特征提示模块；所述特征提取器用于从输入的样本中提取特征；所述分类器用于将特征提取器输出的特征进行分类；所述输入感知提示模块用于网络输入的额外补充，帮助生成更合理和多样化的输入分布，提高网络的泛化能力；所述代理特征提示模块用于弥合教师和学生模型之间的知识差距，以在特征转移过程中保持一致性，增强了特征的可塑性和稳定性。本发明可以高效完成持续学习任务，图像分类精度比现有持续学习方法更优。

公开(公告)号：CN117808710A

公开(公告)日：2024-04-02

申请号：CN202311847371.9

申请日：2023-12-29

Applicant: 南京信息工程大学

Inventor： 姜胜芹 ,  张浩哲 ,  张道龙 ,  刘青山

IPC: G06T5/77 ,  G06N3/045 ,  G06N3/0499 ,  G06T5/10 ,  G06N3/08 ,  G06N3/0464 ,  G06F17/14 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06V10/774 ,  G06V10/776

Abstract: 本发明公开了一种基于傅里叶变换Transformer网络的低光图像增强方法及装置，本发明首先获取若干低光图像及对应的参考标准图像，并对低光图像进行预处理，之后构建傅里叶变换Transformer网络，再将预处理后的低光图像和对应的正常光图像作为样本，对所述傅里叶变换Transformer网络进行训练；最后将待增强的低光图像输入训练好的傅里叶变换Transformer网络，得到增强后的图像。本发明可以对低光图像甚至极低光图像进行图像增强，增强后的图像效果相比现有技术更好。

公开(公告)号：CN117808710B

公开(公告)日：2025-03-21

申请号：CN202311847371.9

申请日：2023-12-29

Applicant: 南京信息工程大学

Inventor： 姜胜芹 ,  张浩哲 ,  张道龙 ,  刘青山

IPC: G06T5/77 ,  G06N3/045 ,  G06N3/0499 ,  G06T5/10 ,  G06N3/08 ,  G06N3/0464 ,  G06F17/14 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06V10/774 ,  G06V10/776

Abstract: 本发明公开了一种基于傅里叶变换Transformer网络的低光图像增强方法及装置，本发明首先获取若干低光图像及对应的参考标准图像，并对低光图像进行预处理，之后构建傅里叶变换Transformer网络，再将预处理后的低光图像和对应的正常光图像作为样本，对所述傅里叶变换Transformer网络进行训练；最后将待增强的低光图像输入训练好的傅里叶变换Transformer网络，得到增强后的图像。本发明可以对低光图像甚至极低光图像进行图像增强，增强后的图像效果相比现有技术更好。