公开(公告)号：CN117058492B

公开(公告)日：2024-02-27

申请号：CN202311322535.6

申请日：2023-10-13

Applicant: 之江实验室 ,  中国科学院东北地理与农业生态研究所

Inventor： 张文广 ,  徐晓刚 ,  韩强 ,  何鹏飞 ,  王军 ,  杨素欣 ,  曹卫强 ,  李萧缘 ,  马寅星 ,  岳振雷

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06V20/70 ,  G06N3/09 ,  G06N5/04

Abstract: 一种基于学习解耦的两阶段训练病害识别方法和系统，其方法包括：步骤S1：采集待识别作物的图像样本，制作训练数据集；步骤S2：构造基于学习解耦的分类算法网络模型；步骤S3：对基于学习解耦的分类算法模型进行一阶段训练；步骤S4：固定部分权重，对基于学习解耦的分类算法模型进行二阶段训练；步骤S5：基于训练得到的基于学习解耦的分类算法模型进行推理，最终得到待分类目标叶片的病害种类和病害等级。本发明具有准确度高，标注成本极低，且可实现单模型对病害种类和病害等级进行细分类识别。

公开(公告)号：CN117557847A

公开(公告)日：2024-02-13

申请号：CN202311520256.0

申请日：2023-11-15

Applicant: 之江实验室

Inventor： 唐乾坤 ,  曹卫强 ,  王军 ,  徐晓刚

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种基于对比知识蒸馏的图像识别方法和装置，包括获取带有类别标签的训练图像样本；利用训练图像样本对第一神经网络分类模型进行基于类别标签的监督学习训练，将训练图像样本输入至训练后的第一神经网络分类模型得到第一嵌入特征表达和对应的第一分类软标签；将训练图像样本输入至第二神经网络分类模型得到第二嵌入特征表达及对应的第二分类软标签，基于第一嵌入特征表达和第二嵌入特征表达计算对比蒸馏损失，基于第一分类软标签和第二分类软标签计算KL散度损失，对比蒸馏损失和KL散度损失联合图像识别任务损失更新第二神经网络分类模型的参数，更新后的第二神经网络分类模型作为图像识别模型用于图像识别。

公开(公告)号：CN117011718B

公开(公告)日：2024-02-02

申请号：CN202311288015.8

申请日：2023-10-08

Applicant: 之江实验室 ,  中国科学院东北地理与农业生态研究所

Inventor： 章依依 ,  徐晓刚 ,  王军 ,  李萧缘 ,  卫思迪 ,  何鹏飞 ,  曹卫强 ,  张耀华 ,  马寅星 ,  陈家杰

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/42 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0895 ,  G06N3/094

Abstract: 据中。一种基于多元损失融合的植物叶片细粒度识别方法和系统，首先将植物叶片图像以九宫格的方式进行随机掩码完成图像增强，并与原图成对地输入到特征提取网络模型中，得到特征向量；将特征向量输入分类网络层中，并进行品种识别；将特征向量输入到对抗网络层中，进行二分类识别；将掩码图的特征向量输入到自编码网络模块中，进行图像复原的自监督学习；三项任务的损失函数共同监督并指导网络的训练；在自监督任务中掩码图像通过学习复原本身位置使特征提取网络关注到叶片局部特征，而原图在品(56)对比文件王泽宇 等.基于多模态特征的无监督领域自适应多级对抗语义分割网络《.通信学报》.2022,第43卷(第12期),157-171.齐爱玲 等.基于中层细微特征提取与多尺度特征融合细粒度图像识别《.计算机应用》.2023,第43卷(第8期),2556-2563.Gang Li 等.Self-supervised VisualRepresentation Learning for Fine-GrainedShip Detection《.2021 IEEE 4thInternational Conference on InformationSystems and Computer Aided Education(ICISCAE)》.2021,67-71.

公开(公告)号：CN112069929B

公开(公告)日：2024-01-05

申请号：CN202010842782.9

申请日：2020-08-20

Applicant: 之江实验室

Inventor： 陆易 ,  叶喜勇 ,  王军 ,  徐晓刚 ,  何鹏飞 ,  张文广

IPC: G06V40/16 ,  G06V40/10 ,  G06V10/74 ,  G06V10/762 ,  G06V10/82 ,  G06N3/088

Abstract: 本发明公开了一种无监督行人重识别方法、装置、电子设备及存储介质，该方法包括：在带标签的源域数据集中预训练行人重识别模型；利用所述模型提取无标签目标域中训练集的训练特征；根据所述训练特征，基于自适应聚类的方法将目标域训练集分为若干簇，并分配对应的伪标签；将每个簇设定为一个原型，在原型中挑选出与原型中心的距离小于设定阈值的样本，并利用所述样本的训练特征和伪标签对所述模型进行再训练，得到更新参数后的行人重识别模型；将目标域的查询集和待选集输入到所述模型中，分别得到二者的测试特征，根据测试特征的相似度从待选集中选出符合查询图片要求的图片。本发明有效缓解了域间隔问题，提高了跨域行人重识别的准确度。

公开(公告)号：CN116817754B

公开(公告)日：2024-01-02

申请号：CN202311082530.0

申请日：2023-08-28

Applicant: 之江实验室 ,  中国科学院东北地理与农业生态研究所

Inventor： 黎晨阳 ,  徐晓刚 ,  冯献忠 ,  何鹏飞 ,  王军 ,  贾昕晔 ,  陈满丽 ,  曹卫强 ,  韩强 ,  李萧缘

IPC: G01B11/00 ,  G01B11/02 ,  G01N21/84 ,  G06V20/60 ,  G06V10/10 ,  G06V10/44 ,  G06V10/50 ,  G06V10/75 ,  G06V10/82

Abstract: 一种基于稀疏重建的大豆植株表型提取方法及系统，其方法包括：对大豆植株进行多视角成像，通过密度图估计在各视图中提取植株二维关键点，包括端点关键点、节点关键点和豆粒关键点，同时通过亲和力场估计给出同一豆荚中豆粒关联关系，基于对称极线距离和二分匹配，关联各视图中的同一关键点和同一豆荚，进而通过三角测量计算各关键点的三维坐标，用于测量株高、统计豆粒的空间分布、计算节数、单株粒数和荚数等。本发明可精准且高效的提取大豆植株表型，具有较高的可行性和实用性。(56)对比文件Haoran Zhao等.Exploring BetterSpeculation and Data Locality in SparseMatrix-Vector Multiplication on IntelXeon.2020 IEEE 38th InternationalConference on Computer Design.2020,全文.Yourui Huang等.Low IlluminationSoybean Plant Reconstruction and TraitPerception.Agriculture.2022,第12卷(第12期),第2.1-2.3节.李晨雨.基于三维重建的大豆植株叶面积自动测量方法的研究.中国优秀硕士学位论文全文数据库 农业科技辑.2023,(第1期),全文.

公开(公告)号：CN116817754A

公开(公告)日：2023-09-29

申请号：CN202311082530.0

申请日：2023-08-28

Applicant: 之江实验室 ,  中国科学院东北地理与农业生态研究所

Inventor： 黎晨阳 ,  徐晓刚 ,  冯献忠 ,  何鹏飞 ,  王军 ,  贾昕晔 ,  陈满丽 ,  曹卫强 ,  韩强 ,  李萧缘

IPC: G01B11/00 ,  G01B11/02 ,  G01N21/84 ,  G06V20/60 ,  G06V10/10 ,  G06V10/44 ,  G06V10/50 ,  G06V10/75 ,  G06V10/82

Abstract: 一种基于稀疏重建的大豆植株表型提取方法及系统，其方法包括：对大豆植株进行多视角成像，通过密度图估计在各视图中提取植株二维关键点，包括端点关键点、节点关键点和豆粒关键点，同时通过亲和力场估计给出同一豆荚中豆粒关联关系，基于对称极线距离和二分匹配，关联各视图中的同一关键点和同一豆荚，进而通过三角测量计算各关键点的三维坐标，用于测量株高、统计豆粒的空间分布、计算节数、单株粒数和荚数等。本发明可精准且高效的提取大豆植株表型，具有较高的可行性和实用性。

公开(公告)号：CN116703820A

公开(公告)日：2023-09-05

申请号：CN202310406884.X

申请日：2023-04-17

Applicant: 之江实验室 ,  中国科学院东北地理与农业生态研究所

Inventor： 贺菁菁 ,  徐晓刚 ,  冯献忠 ,  王军 ,  何鹏飞 ,  李萧缘 ,  陈若晨 ,  张耀华

IPC: G06T7/00 ,  G06T7/70 ,  G06N3/0464 ,  G06N3/084 ,  G06V10/82 ,  G06V10/774

Abstract: 一种基于热力图的高密度豆粒计数及中心点定位方法，用高斯函数生成高斯核模板，结合已标记的豆粒中心点位置，生成用于豆粒计数的真值热力图；采用基于空洞卷积的CSRNet作为密度图估计模块，将原始图像与真值热力图输入到模型中计算得到与原始图像同大小的热力图，通过对比预测热力图与真值热力图的L2损失进行参数的学习，实现高质量的热力图估计。对于待测试图像，使用CSRNet预测热力图，再通过判断局部最大位置点，从热力图中获取得到所有中心点的位置坐标，并通过局部中心点热力图的值取整获得豆粒数。还包括一种基于热力图的高密度豆粒计数及中心点定位系统。本发明可提高豆粒计数模型在高密度、遮挡严重场景下的计数准确性。

公开(公告)号：CN116597245A

公开(公告)日：2023-08-15

申请号：CN202310401225.7

申请日：2023-04-13

Applicant: 之江实验室 ,  中国水稻研究所

Inventor： 唐乾坤 ,  徐晓刚 ,  魏兴华 ,  王军 ,  李悦 ,  杨窑龙 ,  章孟臣 ,  冯跃 ,  李萧缘 ,  曹卫强 ,  韩强 ,  马寅星

IPC: G06V10/774 ,  G06V10/82 ,  G06V10/74 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种图像识别模型训练方法与系统、图像处理方法与系统，在预训练第一神经网络模型基础上，通过训练图像样本在第一神经网络模型和第二神经网络模型中间层的第一中间层特征表达与第二中间层特征进行通道匹配，并基于匹配通道之间的知识蒸馏得到第一损失函数，同时还结合基于预测类别标签信息和软标签构建的第二损失函数以及基于预测类别标签信息和真实标签构建的第三损失函数对第二神经网络模型进行联合训练，这样可以实现两模型通道之间的自动匹配，增强第二神经网络模型获取的知识表达的判别性，进而提升图像识别精度。基于该图像识别模型进行的图像识别也大大提升了图像识别准确性。

公开(公告)号：CN115953822A

公开(公告)日：2023-04-11

申请号：CN202310202394.8

申请日：2023-03-06

Applicant: 之江实验室 ,  浙江工商大学

Inventor： 黎晨阳 ,  徐晓刚 ,  李萧缘 ,  曹卫强

IPC: G06V40/16 ,  G06V40/10 ,  G06V20/00 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明公开一种基于rPPG生理信号的人脸视频鉴伪方法和装置，该方法包括以下步骤：步骤一：采集人脸视频与手指PPG信号，构建PPG信号视频数据集；搜集真实人脸视频与伪造人脸视频，构建鉴伪数据集；步骤二：使用PPG信号视频数据集作为训练数据，训练得到rPPG信号提取网络；步骤三：使用鉴伪数据集，利用步骤二训练得到的rPPG信号提取网络提取rPPG信号，后输入二元决策网络并进行网络训练；步骤四：使用通过步骤二训练获得的rPPG信号提取网络和步骤三训练获得的二元决策网络，对待检测的视频进行真伪判断。本发明使用难以伪造的rPPG生理信号用于分辨人脸伪造合成视频，可以有效提升判断准确率。

公开(公告)号：CN115861771A

公开(公告)日：2023-03-28

申请号：CN202310122939.4

申请日：2023-02-16

Applicant: 之江实验室 ,  浙江工商大学

Inventor： 唐乾坤 ,  王军 ,  徐晓刚 ,  虞舒敏 ,  何鹏飞

IPC: G06V10/82 ,  G06V10/764 ,  G06V20/70 ,  G06N3/08

Abstract: 本发明公开了一种用于图像识别的关键知识蒸馏方法、装置，通过构建图像训练集和测试集；构建第一图像识别神经网络及其训练方式，作为第一模型，并采用图像训练集进行训练；构建第二图像识别神经网络及其训练方式，作为第二模型；从第一模型和第二模型中选定进行知识蒸馏的特征层；采用图像训练集，对第二模型进行训练，在训练过程中，用语义重要性度量法，计算第二模型选定特征层的特征图与第一模型选定特征层的特征图之间语义的重要性，将重要性大的知识作为关键知识并分配大的权重值，将权重值加入特征层知识蒸馏损失函数中，联合图像识别任务相关的损失函数训练第二模型，将训练好的第二模型部署至运行设备，对测试集中待识别图像进行识别。