公开(公告)号：CN111967528A

公开(公告)日：2020-11-20

申请号：CN202010876709.3

申请日：2020-08-27

Applicant: 北京大学

Inventor： 林宙辰 ,  杨一博 ,  李宏扬 ,  游山 ,  王飞 ,  钱晨

IPC: G06K9/62 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公布了一种基于稀疏编码的深度学习网络结构搜索的图像识别方法，将基于梯度的可微分网络模型结构进行优化，构造用于在原始高维空间经压缩后映射的低维空间上进行结构搜索的网络模型，再通过稀疏编码技术使得压缩后的低维空间的解对应于原始空间的稀疏解，搜索时优化的网络模型结构即为重训练时的结构，应用于搜索-重训练两阶段图像识别以及搜索-重训练合并一阶段图像识别。本发明在搜索阶段的网络即具有稀疏性，在搜索训练阶段最终收敛的结构即为最终搜到的结构，网络结构搜索更加高效合理，使得图像识别的性能优异。

公开(公告)号：CN111401452A

公开(公告)日：2020-07-10

申请号：CN202010189225.1

申请日：2020-03-17

Applicant: 北京大学

Inventor： 林宙辰 ,  沈铮阳 ,  何翎申

IPC: G06K9/62 ,  G06K9/54 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公布了一种基于偏微分算子的等变卷积网络模型的图像分类方法，针对卷积网络模型的输入层和中间层，基于偏微分算子分别设计输入层的等变卷积和中间层的等变卷积，构建等变卷积网络模型PDO-eConv，并进行模型训练；模型PDO-eConv输入为图像数据，输出为图像的预测分类，从而实现高效地进行图像分类识别视觉分析。本发明能够提供更好的参数共享机制，达到更低的图像分类错误率。

公开(公告)号：CN111062474A

公开(公告)日：2020-04-24

申请号：CN201811203464.7

申请日：2018-10-16

Applicant: 北京大学

Inventor： 林宙辰 ,  李嘉 ,  方聪

IPC: G06N3/08

Abstract: 本发明公布了一种求解提升邻近算子机的神经网络优化方法，涉及深度学习神经网络优化技术领域；在前向神经网络的训练中，通过采用块坐标下降方法求解提升邻近算子机LPOM模型，LPOM模型中的每个子问题均具收敛性，可并行更新神经网络每层的权值和网络激活，且不占用额外内存空间。采用本发明技术方案，在使用相对较少存储的情况下，能够提高神经网络训练的并行性、适用性和训练效果。

公开(公告)号：CN109272452A

公开(公告)日：2019-01-25

申请号：CN201811007566.1

申请日：2018-08-30

Applicant: 北京大学

Inventor： 林宙辰 ,  钟之声 ,  沈天成 ,  杨一博

IPC: G06T3/40

Abstract: 本发明公布了一种小波域中基于集团结构子带共同学习超分辨率网络的方法，通过构建包括特征提取网络和图像恢复网络的新型超分辨率网络，实现单张图片的超分辨率恢复。通过特征提取网络将输入的低分辨率图像表示为一组特征映射；图像复原网络包括一个集团上采样模块和一个卷积层；将特征提取网络的输出特征传入集团上采样模块中，进行子带提取、自残差学习和子带精细化；使用逆离散小波变换改变特征图的分辨率大小，从而恢复得到高分辨率的特征图；再通过卷积层恢复得到高分辨率图像。本发明方法量化指标好，能够有效实现单张图片的超分辨率恢复。

公开(公告)号：CN105551022B

公开(公告)日：2018-03-30

申请号：CN201510888480.4

申请日：2015-12-07

Applicant: 北京大学

Inventor： 林宙辰 ,  林旸 ,  查红彬

IPC: G06T7/00 ,  G06T7/40 ,  G06T3/00

Abstract: 本发明公布了一种基于形状交互矩阵(SIM)的图像错误匹配检验方法，通过两幅图像之间匹配的特征点对计算得到两幅图像关于标准化齐次坐标的两个形状交互矩阵，通过欧氏距离法或余弦相似法计算两个形状交互矩阵逐列之间的差异，得到两幅图像的错误匹配对。在去除错误匹配后，可利用剩余的正确匹配对，针对不同应用背景做进一步的处理。本发明提供的方法可应用于图像检索、三维点云配准和图像或视频中的物体识别等领域，扩展了应用范围；模型简单，理论性好，对于仿射几何变换具有较强的鲁棒性，实时性能显著，适用于对实时性要求较高的应用场合。

公开(公告)号：CN107833207A

公开(公告)日：2018-03-23

申请号：CN201711007628.4

申请日：2017-10-25

Applicant: 北京大学

Inventor： 林宙辰 ,  征妍

IPC: G06T7/00 ,  G06T7/33 ,  G06F17/30

Abstract: 本发明公布了一种基于增广齐次坐标矩阵的图像间错误匹配的检测方法，基于在一次迭代中的正确匹配，构建增强齐次坐标(AHC)矩阵，从而选出更精确的锚匹配，直至锚匹配中每对匹配所对应的估计匹配坐标与实际匹配坐标的欧氏距离不大于设定的阈值，而后依据最终锚点匹配集合构建AHC矩阵完成全局验证。本发明方法可有效解决现有技术在射影图像搜索中去除错误匹配时存在的难题，即使两个对应点集之间存在射影变换且伴有强特征检测噪声和高比例错误匹配时也能高效处理，具有计算速度快、精度高、适应范围广、鲁棒性强、对大尺度图像计算不敏感等优点。

公开(公告)号：CN107516129A

公开(公告)日：2017-12-26

申请号：CN201710645965.X

申请日：2017-08-01

Applicant: 北京大学

Inventor： 林宙辰 ,  钟之声 ,  尉方音

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明公布了一种基于维度自适应调整的Tucker分解的深度网络压缩方法，包括维度自适应调整过程和维度适应的权重张量分解过程，通过适应调整张量各维度的大小，生成一个新的任意阶张量，再通过可学习的核张量和转移矩阵去实现张量分解，由此达到网络优化压缩的目的。相比于现有的低秩压缩方法，本发明在保持网络性能的情况下，网络参数量有更大的压缩倍数，能获得更高的压缩倍数；同时，不需要存储非零元素的指引位置，不需要记录索引，可以更有效的利用存储空间。

公开(公告)号：CN103823889A

公开(公告)日：2014-05-28

申请号：CN201410084657.0

申请日：2014-03-10

Applicant: 北京大学

Inventor： 林宙辰 ,  林旸 ,  杨李 ,  许晨 ,  查红彬

IPC: G06F17/30 ,  G06K9/64

CPC classification number: G06F17/30256 ,  G06K9/64

Abstract: 一种基于L1范数全局几何一致性检验的错误匹配检测方法：使用尺度不变特征变换及词袋模型来提取并匹配两幅图像中的特征点；计算两幅图像的平方距离矩阵；使用黄金分割搜索法来求解：minλ>0||D1-λ.D2||1；计算差异矩阵E=||D1-λ*.D2||1；计算E矩阵各行元素之和并从大到小排序，并计算排序后各行和值的二次差分，取达到最大二次差分值的点作为门限值，所有行和高于门限值的，则该行所对应特征点对被判定为错误匹配对；去掉错误匹配对后，再根据两幅图像的真实匹配点对来计算图像间的相似度，继而根据相似度由大到小排序输出图像检索结果。本发明允许相似图像间存在复杂背景、部分遮挡以及各种相似几何变换；只利用了特征点的坐标信息，非常简单且高效。