基于小波变换增强数据的方法、装置、设备及存储介质

    公开(公告)号:CN115170814A

    公开(公告)日:2022-10-11

    申请号:CN202110287686.7

    申请日:2021-03-17

    Abstract: 本发明实施例提供一种基于小波变换增强数据的方法、装置、设备及存储介质。该基于小波变换增强数据的方法包括:获取待处理图像在HSV颜色模式下的V分量;对V分量进行N维小波变换以得到V分量的初始低频系数和初始高频系数,其中,N为大于或者等于1的正整数;对初始低频系数进行线性变换以得到增强低频系数、对初始高频系数进行自适应非线性变换以得到增强高频系数;对增强低频系数和增强高频系数进行小波逆变换以得到重构的V分量;基于重构的V分量得到数据增强图像。本发明实施例对图像的低频信息进行线性调节、对高频信息进行非线性调节,不但有效增强了图像的对比度、抑制了图像的噪声,而且增强是建立在深层次、非线性变换上的。

    目标分类方法及系统
    2.
    发明公开

    公开(公告)号:CN114429557A

    公开(公告)日:2022-05-03

    申请号:CN202011097395.3

    申请日:2020-10-14

    Abstract: 一种目标分类方法及系统。所述方法可以包括:当接收到目标物品的检测结果时,分别利用预设的两个以上分类网络模型,对所述目标物品的检测结果进行分类;所述目标物品的检测结果包括:目标物品类别信息、目标物品位置信息及置信度信息;对各所述分类网络模型输出的中间分类结果进行融合,得到所述目标物品的分类结果;所述目标物品的分类结果包括:目标物品类别信息及置信度信息;其中,任意两个所述分类网络模型对应的训练样本的类别不同。应用上述方案,可以目标检测的准确性。

    剪裁神经网络的方法、设备、装置及存储介质

    公开(公告)号:CN114418083A

    公开(公告)日:2022-04-29

    申请号:CN202011173834.4

    申请日:2020-10-28

    Abstract: 本发明实施例提供一种剪裁神经网络的方法、设备、装置及存储介质,该方法包括:基于已完成训练的第一神经网络模型及其对应的数据集获取第一神经网络模型中每个网络层模块的输出值;基于每个网络层模块的输出值分别计算对应的各个图拉普拉斯矩阵以及每个网络层模块的流形度量数值;基于每个网络层模块的流形度量数值分别计算每个非最后一个网络层模块与最后一个网络层模块之间的各个流形度量距离;获取各个流形度量距离中的较小流形度量距离,并将其对应的非最后一个网络层模块与最后一个网络层模块之后的模块连接而形成剪裁后的第二神经网络模型。这不仅降低了剪裁的计算量和计算时间,还使得剪裁后的第二神经网络模型仍具有较高的测试精度。

Patent Agency Ranking