-
公开(公告)号：CN116452896B
公开(公告)日：2023-10-20
申请号：CN202310715333.1
申请日：2023-06-16
Applicant: 中国科学技术大学
IPC: G06V10/764 , G06V10/44 , G06V10/422 , G06V10/54 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0475 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种用于提升细粒度图像分类性能的方法、系统、设备及介质，它们是一一对应的方案，方案中：在细粒度图像分类网络中设置源信息生成器、中间处理器与目标结合器对细粒度图像分类网络提取的图像特征进行处理后再进行分类，可以提升分类精确度；源信息生成器、中间处理器与目标结合器可以适用于多种结构的细粒度图像分类网络，体现了其即插即用特性，并且，所需的额外计算非常小，与现有的细粒度图像分类网络相结合，能带来更进一步的性能提升，体现了泛用性；综上所示，本发明可以兼顾计算资源消耗和精度提升，并且可以实现即插即用性和泛用性，对于细粒度识别的实际应用有积极深远的影响。
-
Patent Agency Ranking
公开(公告)号：CN113473140A
公开(公告)日：2021-10-01
申请号：CN202110799286.4
申请日：2021-07-15
Applicant: 中国科学技术大学
IPC: H04N19/172 , H04N19/42 , H04N19/70
Abstract: 本发明公开了一种脑神经图像的有损压缩方法、系统、设备与存储介质，相关方案可以将脑神经图像压缩至上百倍，大大节省了脑神经图像的占用空间，且解压后的图像相比于原图像，没有损失过多视觉上的信息。同时，本发明相比于其他的有损压缩方式，具有更快的解压速度，更小的计算资源消耗，因此也适配较低性能的计算机。本发明将会方便生物医学领域的研究人员进行大规模脑神经图像的存储与管理。
-
公开(公告)号：CN113473140B
公开(公告)日：2024-02-23
申请号：CN202110799286.4
申请日：2021-07-15
Applicant: 中国科学技术大学
IPC: H04N19/172 , H04N19/42 , H04N19/70
Abstract: 本发明公开了一种脑神经图像的有损压缩方法、系统、设备与存储介质，相关方案可以将脑神经图像压缩至上百倍，大大节省了脑神经图像的占用空间，且解压后的图像相比于原图像，没有损失过多视觉上的信息。同时，本发明相比于其他的有损压缩方式，具有更快的解压速度，更小的计算资源消耗，因此也适配较低性能的计算机。本发明将会方便生物医学领域的研究人员进行大规模脑神经图像的存储与管理。
-
公开(公告)号：CN116452896A
公开(公告)日：2023-07-18
申请号：CN202310715333.1
申请日：2023-06-16
Applicant: 中国科学技术大学
IPC: G06V10/764 , G06V10/44 , G06V10/422 , G06V10/54 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0475 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种用于提升细粒度图像分类性能的方法、系统、设备及介质，它们是一一对应的方案，方案中：在细粒度图像分类网络中设置源信息生成器、中间处理器与目标结合器对细粒度图像分类网络提取的图像特征进行处理后再进行分类，可以提升分类精确度；源信息生成器、中间处理器与目标结合器可以适用于多种结构的细粒度图像分类网络，体现了其即插即用特性，并且，所需的额外计算非常小，与现有的细粒度图像分类网络相结合，能带来更进一步的性能提升，体现了泛用性；综上所示，本发明可以兼顾计算资源消耗和精度提升，并且可以实现即插即用性和泛用性，对于细粒度识别的实际应用有积极深远的影响。
-
公开(公告)号：CN117972141B
公开(公告)日：2024-06-18
申请号：CN202410375523.8
申请日：2024-03-29
Applicant: 中国科学技术大学
IPC: G06F16/78 , G06F16/75 , G06F16/783 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/08 , G06N5/04
Abstract: 本发明公开了一种基于纯文本数据训练的图像理解方法、系统、设备及介质，它们是一一对应的方案，方案中：利用纯文本数据进行训练，极大的节省了复杂的图文数据收集和标注流程，并且通过实验表明，采用本发明训练后的图像理解模型具有较高的理解精确度；而且，相比于传统方案在训练和推理阶段使用复杂的文本编码器，本发明在推理阶段仅输入图像，无需额外的文本编码器，从而大大加速了推理速度，对实际应用有积极深远的影响。
-
公开(公告)号：CN117972141A
公开(公告)日：2024-05-03
申请号：CN202410375523.8
申请日：2024-03-29
Applicant: 中国科学技术大学
IPC: G06F16/78 , G06F16/75 , G06F16/783 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/08 , G06N5/04
Abstract: 本发明公开了一种基于纯文本数据训练的图像理解方法、系统、设备及介质，它们是一一对应的方案，方案中：利用纯文本数据进行训练，极大的节省了复杂的图文数据收集和标注流程，并且通过实验表明，采用本发明训练后的图像理解模型具有较高的理解精确度；而且，相比于传统方案在训练和推理阶段使用复杂的文本编码器，本发明在推理阶段仅输入图像，无需额外的文本编码器，从而大大加速了推理速度，对实际应用有积极深远的影响。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
