公开(公告)号：CN119131463A

公开(公告)日：2024-12-13

申请号：CN202411119742.6

申请日：2024-08-15

Applicant: 南京师范大学

Inventor： 杨曦晨 ,  陈奕帆 ,  严辉 ,  王天舒 ,  毛忠原 ,  蒋健 ,  朱顺

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V10/74 ,  G06N3/0455

Abstract: 本发明公开了一种基于正反面融合交叉注意力机制的菊花分类方法，包括：在Swin Transformer的基础上利用交叉注意力机制结合残差模块设计，搭建双路神经网络模型；将菊花图像数据库内的菊花正面和反面图像作为双路神经网络输入进行模型训练和测试，将训练好的模型作为菊花种类预测模型；采集待检测菊花的正面和背面图像，并且输入到菊花种类预测模型，通过菊花种类预测模型输出分类结果。本发明采用基于正反面融合交叉注意力机制的菊花分类方法，具有菊花种类识别速度较快、准确率高且稳定性强等优势。

公开(公告)号：CN118396945A

公开(公告)日：2024-07-26

申请号：CN202410480792.0

申请日：2024-04-22

Applicant: 南京师范大学

Inventor： 杨曦晨 ,  朱顺 ,  王天舒 ,  陈天海 ,  李能鑫

IPC: G06T7/00 ,  G06V10/25 ,  G06V10/44 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0985 ,  G06V10/80

Abstract: 本发明公开了一种元学习框架下基于深度特征重组自注意力机制的图像质量评价方法，包括：对图像的区域信息进行预处理操作；将显著区域图像、非显著区域图像和原始图像同时作为多路特征提取网络输入；设计随机筛选策略，得到适用于语义分析网络的深度特征；设计随机采样策略，整体筛选并随机裁剪出特征信息；多路特征输入到语义分析网络；设计元学习框架学习并模拟网络的参数更新模式，将学习得到的先验知识保存；导入元学习框架得到的先验知识，对训练过程进行快速微调，得到未知类型图像的预测分数。本发明能够准确对多类型图像质量进行评价，同时具备跨图像类型进行图像质量评价的能力，具有客观、快速、以及使用性强的优势。

公开(公告)号：CN119445334A

公开(公告)日：2025-02-14

申请号：CN202411580905.0

申请日：2024-11-07

Applicant: 南京师范大学

Inventor： 杨曦晨 ,  朱顺 ,  王天舒 ,  陈天海 ,  李能鑫

IPC: G06V10/82 ,  G06V10/44 ,  G06V10/80 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/0985 ,  G06N3/084

Abstract: 本发明公开了一种元学习框架下基于深度多尺度融合的菊花图像智能筛选方法，包括：通过基于密集连接的深度特征提取模块，获取到深度融合特征；将深度融合特征作为语义分析模块的特征输入，得到语义特征；将深度特征提取模块、语义分析模块和线性连接层共同组成骨干网络，通过元学习框架学习并模拟骨干网络的参数更新模式，得到的先验知识保存；将菊花失真图像输入到骨干网络中，经过先验知识融合到骨干网络后进行微调，获得适用于菊花质量评价的模型。本发明能够有效地从不同类型失真图像中获得先验知识，并融入菊花质量评价任务中，同时能够利用少量标签数据准确地预测菊花质量，从而进行质量筛选，具有高效、健壮、以及可用性强的优势。