-
公开(公告)号：CN109033095B
公开(公告)日：2022-10-18
申请号：CN201810866277.0
申请日：2018-08-01
Applicant: 苏州科技大学
Abstract: 本发明涉及一种基于注意力机制的目标变换方法，包括：训练神经网络模型：步骤1，使用随机数初始化神经网络模型的参数；步骤2，输入一张属于类别X的图像x到模型的生成器G中，进入编码阶段，x经过一个卷积层来计算出第一层特征图f1。利用上述训练得到的神经网络模型进行图像的目标变换，通过在模型中引入注意力机制，使模型能够在目标变化任务中识别出需要转换的目标物体，从而将目标和背景区分开。同时，通过构建注意力一致损失函数和背景一致损失函数来保证原始图像和转换图像的背景一致性。
-
公开(公告)号：CN109033095A
公开(公告)日：2018-12-18
申请号：CN201810866277.0
申请日：2018-08-01
Applicant: 苏州科技大学
CPC classification number: G06F17/289 , G06K9/20 , G06N3/0454 , G06N3/0481 , G06N3/084
Abstract: 本发明涉及一种基于注意力机制的目标变换方法，包括：训练神经网络模型：步骤1，使用随机数初始化神经网络模型的参数；步骤2，输入一张属于类别X的图像x到模型的生成器G中，进入编码阶段，x经过一个卷积层来计算出第一层特征图f1。利用上述训练得到的神经网络模型进行图像的目标变换，通过在模型中引入注意力机制，使模型能够在目标变化任务中识别出需要转换的目标物体，从而将目标和背景区分开。同时，通过构建注意力一致损失函数和背景一致损失函数来保证原始图像和转换图像的背景一致性。
-
公开(公告)号：CN119206387A
公开(公告)日：2024-12-27
申请号：CN202411020101.5
申请日：2024-07-29
Applicant: 苏州科技大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0895 , G06N3/096
Abstract: 本发明提供一种基于伪标签过滤的在线域变化持续学习方法及系统，涉及计算机视觉技术领域，该方法包括获得预训练模型，利用预训练模型对变化的目标域数据进行预测，并生成伪标签进行在线自适应；基于二元分类推导出在线域变化持续学习中基于阈值过滤伪标签的引理，并根据引理设计在线域变化持续学习中的阈值设置原则；利用设计的阈值设置原则过滤模型预测置信度低的伪标签，同时通过引入类先验对齐方法来鼓励模型对未知域样本的公平预测；利用过滤后的伪标签对模型进行更新和优化，得到在线域变化持续学习中的分类预测结果。本发明建立了能够适应CTTA过程的自适应阈值，以保证伪标签的质量。
-
公开(公告)号：CN108960338B
公开(公告)日：2021-10-08
申请号：CN201810792426.3
申请日：2018-07-18
Applicant: 苏州科技大学
IPC: G06K9/62 , G06N3/04 , G06F40/289 , G06F40/205
Abstract: 本发明涉及一种基于注意力反馈机制的图像自动语句标注方法，包括：构建输入数据，给定一系列的图像χ＝{x1，x2，...，xN}作为训练集，其中N是样本数量；图像xi对应的语句表述为si＝{si，1，si，2，...，si，T}，T代表句子Si的长度；构建CNN‑RNN模型，进行正向文本成：从生成的文本中提取关键词注意力反向矫正图像注意力：利用上述从文本中提取出的关注特征，对原本的图像关注特征进行注意力矫正。能够解决注意力机制在图像自动语句标注过程中的注意力分散问题及生成语句错乱的问题，采用反馈式CNN‑RNN结构，利用反馈机制将生文本中的关键信息反向传给图像，将有利于在提取图像特征的过程中，更加关注文本中的信息所对应的显著目标，从而有利于使得图像关键信息和文本关键信息更加匹配。
-
Patent Agency Ranking
公开(公告)号：CN107330444A
公开(公告)日：2017-11-07
申请号：CN201710396148.5
申请日：2017-05-27
Applicant: 苏州科技大学
CPC classification number: G06F17/30247 , G06K9/6256
Abstract: 本发明公开了一种基于生成对抗网络的图像自动文本标注方法，包括以下步骤：由生成器产生假的语句，同时重新构建一个判别器，将生成的语句和真实语句输入进行训练，直至判别器无法判别出真实语句和生成语句。本发明改变了CNN-RNN图像自动语句标注中产生句子生硬、死板的问题，并且使得生成的句子更为准确、自然、多样性，生成的语句可以面对现实中更为复杂的景象，更加符合人类的语言表达方式标注图像，在实际中有着更为广泛的应用。
-
公开(公告)号：CN110852972B
公开(公告)日：2022-10-18
申请号：CN201911095524.2
申请日：2019-11-11
Applicant: 苏州科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于卷积神经网络的单图像去雨方法。本发明首先，我们并未使用导向滤波或者其他滤波分离图像以尽可能地保留图像的原始信息。其次，我们提出了我们的RK块来代替残差块以更高效地提取特征。最后，我们提出了特征转换连结操作来处理多尺度雨线。此外，批正则化操作假设了特征都有着相同的分布，然而不同的雨线有着不同的方向、颜色和形状，因此我们移除了网络中所有的批正则化操作。本发明的有益效果：以卷积神经网络为基础，设计一类较为简洁、高效的单步单流去雨网络模型，以便更好地修复带雨图像，同时保持修复质量和模型大小之间的平衡。
-
公开(公告)号：CN113780027A
公开(公告)日：2021-12-10
申请号：CN202110945636.3
申请日：2021-08-16
Applicant: 苏州科技大学 , 苏州市人民政府办公室 , 苏州市信息中心(苏州市电子政务中心)
Abstract: 本发明公开了一种基于增广图卷积的多标签物体识别方法、装置、设备以及计算机可读存储介质，为了抑制在新任务模型收敛时，旧任务多标签模型参数改变的问题以及在类递增数据流下跨任务关系构建中，难以获得旧任务标签信息的问题，基于终身学习和多标签学习，构建了可抑制模型遗忘的专家网络以及可在线更新的增广关系矩阵，并基于增广关系矩阵和图卷积算法实时构建跨任务的多标签关系，解决了传统终身学习无法构建多标签关系，无法抑制标签关系遗忘的问题。
-
公开(公告)号：CN110852972A
公开(公告)日：2020-02-28
申请号：CN201911095524.2
申请日：2019-11-11
Applicant: 苏州科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于卷积神经网络的单图像去雨方法。本发明首先，我们并未使用导向滤波或者其他滤波分离图像以尽可能地保留图像的原始信息。其次，我们提出了我们的RK块来代替残差块以更高效地提取特征。最后，我们提出了特征转换连结操作来处理多尺度雨线。此外，批正则化操作假设了特征都有着相同的分布，然而不同的雨线有着不同的方向、颜色和形状，因此我们移除了网络中所有的批正则化操作。本发明的有益效果：以卷积神经网络为基础，设计一类较为简洁、高效的单步单流去雨网络模型，以便更好地修复带雨图像，同时保持修复质量和模型大小之间的平衡。
-
公开(公告)号：CN108960338A
公开(公告)日：2018-12-07
申请号：CN201810792426.3
申请日：2018-07-18
Applicant: 苏州科技大学
CPC classification number: G06K9/6256 , G06F17/2705 , G06F17/2775
Abstract: 本发明涉及一种基于注意力反馈机制的图像自动语句标注方法，包括：构建输入数据，给定一系列的图像χ＝{x1，x2，...，xN}作为训练集，其中N是样本数量；图像xi对应的语句表述为si＝{si，1，si，2，...，si，T}，T代表句子Si的长度；构建CNN‑RNN模型，进行正向文本成：从生成的文本中提取关键词注意力反向矫正图像注意力：利用上述从文本中提取出的关注特征，对原本的图像关注特征进行注意力矫正。能够解决注意力机制在图像自动语句标注过程中的注意力分散问题及生成语句错乱的问题，采用反馈式CNN‑RNN结构，利用反馈机制将生文本中的关键信息反向传给图像，将有利于在提取图像特征的过程中，更加关注文本中的信息所对应的显著目标，从而有利于使得图像关键信息和文本关键信息更加匹配。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.039 seconds)
