-
公开(公告)号：CN113822368A
公开(公告)日：2021-12-21
申请号：CN202111153974.X
申请日：2021-09-29
Applicant: 成都信息工程大学
Abstract: 本发明涉及图像识别领域，具体公开了一种基于无锚的增量式目标检测方法，包括以下步骤：步骤1、选取目标检测模型；步骤2、基于步骤1的目标检测模型，构建小样本目标检测模型；步骤3、对所述小样本目标检测模型进行元训练；步骤4、对训练后的小样本目标检测模型进行元测试。本发明在大量含丰富标签的基类数据(图像)和少量含标签的小样本(few‑shot)新类的训练下，提升了对新类测试图片的检测效果，即提高mAP和AR分数的提升。
-
公开(公告)号：CN111127532A
公开(公告)日：2020-05-08
申请号：CN201911413634.9
申请日：2019-12-31
Applicant: 成都信息工程大学
Abstract: 本发明属于图像处理技术领域，公开了一种基于深度学习特征光流的医学图像形变配准方法及系统，提取像素所在图像块，用训练好的Siamese网络提取像素所在图像块的深度学习特征，基于该特征求解光流场。本发明通过Siamese特征提取良好的特征描述符，提高像素点的匹配精度；通过对比损失函数学习到的映射关系，使得在高维空间中相同类别但距离较远的点在特征维空间中距离更近；而不同类别但距离较近的点在特征维空间中距离更远；基于对比损失函数训练的Siamese卷积神经网络提取的Siamese特征比SIFT特征以及一般的深度学习特征等区分度更高、更稳定，更适宜于差异计算和得到更加准确的计算结果。
-
公开(公告)号：CN119478555B
公开(公告)日：2025-04-08
申请号：CN202510045950.4
申请日：2025-01-13
Applicant: 成都信息工程大学 , 中国气象局人工影响天气中心
IPC: G06V10/764 , G06V10/44 , G06V10/82 , G06V10/80 , G06V20/69 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种冰雪晶粒子的图像识别系统及方法，所述系统包括：图像获取器，获取图像数据并预处理得到目标图像；冰雪晶粒子特征提取模型，接收目标图像输入并进行特征提取，由四个模组串联的嵌入单元和自适应大核注意力单元构成，其中嵌入单元接收目标图像并生成高维嵌入特征图，自适应大核变换单元以大核注意力模块的大感受野精准捕获粒子细粒度空间特征，并引入特征通道尺度感知，使模型聚焦关键特征，再通过反瓶颈前馈模块进行特征聚合；最终，分类器接收识别模型的特征输出，运用困难度调节损失优化得到最终识别结果。本发明能够精准识别表征云微物理过程的云粒子图像。
-
公开(公告)号：CN116824279B
公开(公告)日：2024-02-20
申请号：CN202311100762.4
申请日：2023-08-30
Applicant: 成都信息工程大学 , 中国气象局人工影响天气中心
IPC: G06V10/764 , G06V10/40 , G06V10/82
Abstract: 本发明涉及一种具有全局特征捕获能力的轻量级地基云图分类方法，包括：使用包括多个分类类别的地基云图图像的训练样本数据集对构建好的网络模型进行训练，并使用地基云图图像的测试数据集对输入网络模型的地基云图图像进行分类测试验证，选择性能最好的模型参数进行保存；将获取的地基云图图像输入到保存的网络模型中，对地基云图图像进行特征提取和类别的推理计算，得到地基云图图像的类别从而实现对地基云图图像的自动分类。本发明中特征提取单元与降采样单元在提取特征信息的同时会进行权重划分，能实现局部与全局特征信息的有效融合，对类内差异大、类间差异小的地基云图样本实现精确分类的同时拥有较低的参数量及较小的浮点运算次数。
-
公开(公告)号：CN116824279A
公开(公告)日：2023-09-29
申请号：CN202311100762.4
申请日：2023-08-30
Applicant: 成都信息工程大学 , 中国气象局人工影响天气中心
IPC: G06V10/764 , G06V10/40 , G06V10/82
Abstract: 本发明涉及一种具有全局特征捕获能力的轻量级地基云图分类方法，包括：使用包括多个分类类别的地基云图图像的训练样本数据集对构建好的网络模型进行训练，并使用地基云图图像的测试数据集对输入网络模型的地基云图图像进行分类测试验证，选择性能最好的模型参数进行保存；将获取的地基云图图像输入到保存的网络模型中，对地基云图图像进行特征提取和类别的推理计算，得到地基云图图像的类别从而实现对地基云图图像的自动分类。本发明中特征提取单元与降采样单元在提取特征信息的同时会进行权重划分，能实现局部与全局特征信息的有效融合，对类内差异大、类间差异小的地基云图样本实现精确分类的同时拥有较低的参数量及较小的浮点运算次数。
-
Patent Agency Ranking
公开(公告)号：CN116664892A
公开(公告)日：2023-08-29
申请号：CN202310690058.2
申请日：2023-06-12
Applicant: 成都信息工程大学
IPC: G06V10/75 , G06V10/44 , G06V10/80 , G06V10/82 , G06V20/10 , G06N3/045 , G06N3/0464 , G06N3/048 , G06V10/24 , G06T7/33
Abstract: 本发明涉及一种基于交叉注意与可形变卷积的多时相遥感图像配准方法，首先，基于主干网络VGG16引入可形变卷积构建可形变卷积块DeVgg以适应不同形状、尺度大小等发生明显几何形变的遥感图像，增强了算法的鲁棒性；其次，将主干网络提取出的特征输入到交叉注意力模块中，用以更好地捕获不同背景变化下的影像的空间对应关系，在保留特征图核心信息的同时，能够高效地识别需要关注的特征信息，进而提高整体的匹配准确性。在特征匹配阶段，为了解决特征点匹配质量不佳问题，使用暴力匹配BFMatcher算法进行粗配准，再结合自适应的约束阈值，筛选出优质匹配点。
-
公开(公告)号：CN112733968B
公开(公告)日：2021-07-27
申请号：CN202110343928.X
申请日：2021-03-31
Abstract: 本发明属于计算机视觉技术领域，公开了一种嵌入超图卷积层的深度学习冰晶粒子图像分类方法。本发明设计并实现了一个嵌入了超图结构的卷积神经网络模型，该超图结构可以有效地从局部和全局特征空间中获取信息，可以更好地捕捉到远端顶点之间的关系，获得更深层的特征信息，有助于学习样本数不平衡的冰晶数据集中小样本的特征，以提高模型的泛化能力，即便在样本分布不均衡数据学习情况下，仍能取得较好的分类效果。本发明可解决传统阈值分类方法中存在的冰晶分类结果具有主观性、不稳定性和预测精度较低的问题，可解决在样本分布不平衡数据集中数据量较少类别的分类精度较低的问题，可使冰晶粒子图像实现较高精度的自动分类。
-
公开(公告)号：CN108921800B
公开(公告)日：2021-01-22
申请号：CN201810667226.5
申请日：2018-06-26
Applicant: 成都信息工程大学
IPC: G06T5/00
Abstract: 本发明公开了基于形状自适应搜索窗口的非局部均值去噪方法，包括：步骤1：输入噪声图像V，步骤2：计算噪声图像V在水平方向的梯度图像Vx和垂直方向的梯度图像Vy；步骤3：计算噪声图像V所对应的结构张量T(s,σ)；步骤4：计算得到当前像素i的形状自适应搜索窗口ASi；步骤5：划分图像块，计算相似性权重值w(i,j)；步骤6：计算得到当前像素i去噪后的像素值步骤7：逐行逐列扫描，依次对噪声图像V中的每一像素进行步骤4到步骤6的处理过程，直到处理完所有像素，输出去噪后的图像本发明方法使得到的估计值更接近真实值，对图像中边缘和纹理细节信息具有更好地保护能力，取得的去噪效果优于大小和形状固定搜索窗口的非局部均值去噪方法。
-
公开(公告)号：CN111127532B
公开(公告)日：2020-12-22
申请号：CN201911413634.9
申请日：2019-12-31
Applicant: 成都信息工程大学
Abstract: 本发明属于图像处理技术领域，公开了一种基于深度学习特征光流的医学图像形变配准方法及系统，提取像素所在图像块，用训练好的Siamese网络提取像素所在图像块的深度学习特征，基于该特征求解光流场。本发明通过Siamese特征提取良好的特征描述符，提高像素点的匹配精度；通过对比损失函数学习到的映射关系，使得在高维空间中相同类别但距离较远的点在特征维空间中距离更近；而不同类别但距离较近的点在特征维空间中距离更远；基于对比损失函数训练的Siamese卷积神经网络提取的Siamese特征比SIFT特征以及一般的深度学习特征等区分度更高、更稳定，更适宜于差异计算和得到更加准确的计算结果。
-
公开(公告)号：CN107622225A
公开(公告)日：2018-01-23
申请号：CN201710620955.0
申请日：2017-07-27
Applicant: 成都信息工程大学
IPC: G06K9/00
Abstract: 本发明涉及一种基于独立分量分析网络的人脸识别方法，所述方法包括以下步骤：步骤1：对输入的人脸图像进行裁剪、对齐、归一化预处理；步骤2：采用一组已经训练好的ICA滤波得到一组映射图像；步骤3：对每张映射图像进行非线性与池化处理以获取更高效的特征映射图像；步骤4：对每张映射图像进行分块的LBP编码，然后全部串起来得到特征表达；步骤5：对特征表达进行WPCA降维，最后采用余弦相似测量对两张人脸图像进行识别验证。本发明采用训练好的ICA滤波应用到CNN中构成单身网络，基于ICA滤波不同的感知区域得到多尺度信息。在人脸识别中能够保证较高的识别率，同时有效地降低计算量，便于推广应用。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.104 seconds)
