公开(公告)号：CN113191414A

公开(公告)日：2021-07-30

申请号：CN202110450853.5

申请日：2021-04-26

Applicant: 桂林电子科技大学

Inventor： 庞程 ,  卞小曼 ,  蓝如师 ,  王文颢 ,  刘振丙 ,  罗笑南

IPC: G06K9/62 ,  G06K9/46 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种双线性金字塔网络花卉图像分类方法，该方法通过将需要分类的花卉原始图像的大小调整至224*224，并随机裁剪为192*192；然后将调整后的图像通过双线性金字塔网络对花卉图像进行特征提取；最后将提取得到的特征输入分类器中进行分类后输出，得到花卉的分类结果；该方法采用花分类双线性金字塔网络，卷积层的特征与卷积层的特征融合，而不是直接通过网络输入最终的分类器。这些从特征金字塔中编码的特征自动携带多层次语义线索，对姿态和尺度的变化具有额外的鲁棒性，在分类识别方面优于单层特征。在基准数据集上进行了广泛的验证，以显示提出的方法的有效性。

公开(公告)号：CN110147841A

公开(公告)日：2019-08-20

申请号：CN201910427921.9

申请日：2019-05-22

Applicant: 桂林电子科技大学

Inventor： 庞程 ,  王如月 ,  蓝如师 ,  刘振丙 ,  罗笑南

IPC: G06K9/62

Abstract: 本发明公开了一种基于弱监督及无监督部件检测和分割的细粒度分类方法，步骤为：S1、获取数据集训练样本；S2、基于弱监督部件检测方法和无监督部件检测方法，对步骤S1获得的数据集训练样本进行处理，得到部件假设，即部件检测结果；S3、利用步骤S2得到的部件假设，进行部件制导分割，得到更多对细粒度分类有用的部件；S4、根据步骤S3得到的有用的部件，进行细粒度图像分类的操作，得到分类结果。该方法利用部件检测得到的部件假设来指导前景分割以保留更多的对细粒度分类有用的部件，同时抑制背景噪声，从而提升细粒度分类的性能；同时，该方法在实际应用方面的条件限制更少，大大增加了适用的场景和方法的泛用性。

公开(公告)号：CN110147840A

公开(公告)日：2019-08-20

申请号：CN201910427847.0

申请日：2019-05-22

Applicant: 桂林电子科技大学

Inventor： 庞程 ,  周李 ,  蓝如师 ,  刘振丙 ,  罗笑南

IPC: G06K9/62

Abstract: 本发明公开了基于显著性无监督部件划分的弱结构物体细粒度分类方法，步骤为：获取数据集训练样本D；对数据集训练样本D进行前景分割处理，得到处理后数据集D1；基于显著性无监督部件划分方法对数据集D1使用显著性信息对花朵图像前景进行无监督的部件结构的划分，并对局部特征提取和编码池化，产生特征数据集D2；将数据集D2结合多种特征SIFT、dense SIFT和Lab color计算融合多特征的中层特征表示，使用全局提取并池化的特征对图像数据集进行分类，得到物体细粒度的分类结果。该方法模拟人类观察物体的过程，有效提高特征编码的判别能力，在弱结构物体分类中，不用引入新类型的特征，即可与全局类的方法形成互补，方便扩展到应用了任何全局特征的分类方法中。