公开(公告)号：CN116934775A

公开(公告)日：2023-10-24

申请号：CN202310821345.2

申请日：2023-07-06

Applicant: 北京工业大学

Inventor： 李建强 ,  朱楚杰 ,  赵琳娜 ,  刘小玲 ,  刘朝磊 ,  宋霖涛 ,  刘一铭 ,  马天宝 ,  徐曦

IPC: G06T7/11 ,  G06T5/00 ,  G06T5/20 ,  G06T5/40 ,  G06V10/762 ,  G06V10/80 ,  G06T3/40 ,  G06N3/0464 ,  G06N3/0895

Abstract: 一种基于噪声指数指导的多尺度半监督目标分割方法，属于计算机视觉领域，针对现有的单一传统分割方法鲁棒性不强、特征捕获能力有限，以及深度学习方法U‑Net对上下文信息关注不足、全监督方法像素级标注复杂的问题。本发明涉及两个层面的信息融合：由于单一的传统分割方法特征捕获能力有限，因此可以融合多种传统方法得到更加准确的伪标签；由于深度学习网络U‑Net对上下文信息关注不足，可以在每个阶段的跳跃连接融合不同尺度的下采样特征图，这样融合的特征图将会携带多尺度背景信息，并保存细粒度目标位置信息，进而使网络关注更重要区域。

公开(公告)号：CN115546466A

公开(公告)日：2022-12-30

申请号：CN202211201019.3

申请日：2022-09-28

Applicant: 北京工业大学

Inventor： 李建强 ,  刘小玲 ,  刘朝磊 ,  赵琳娜 ,  刘素芹 ,  徐曦 ,  赵青

IPC: G06V10/24 ,  G06V10/25 ,  G06V10/764 ,  G06V10/80

Abstract: 一种基于多尺度显著特征融合的弱监督图像目标定位方法，属于计算机视觉领域。为了解决小目标图像ROI标注工作繁杂、CAM激活不足两个问题，本发明重点关注优化弱监督下分类网络输出类激活图的研究。本发明涉及两个层面的信息融合：①由于卷积神经网络中最底层的特征图语义信息弱但位置信息强，故可与最高层特征图进行融合得到分类网络最终的特征图；②由于分类网络对不同尺度ROI的敏感度不同，其得到的类激活图也有所不同，所以融合不同激活图中互补的对象信息能够完善图像中目标区域的定位，进而产生更准确的伪标签用于分割任务。

公开(公告)号：CN118644670A

公开(公告)日：2024-09-13

申请号：CN202311297475.7

申请日：2023-10-09

Applicant: 北京工业大学

Inventor： 李建强 ,  刘一铭 ,  赵琳娜 ,  刘小玲 ,  刘朝磊 ,  宋霖涛 ,  朱楚杰 ,  马天宝 ,  徐曦

IPC: G06V10/26 ,  G06V10/764 ,  G06V10/25 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/09

Abstract: 一种基于高显著特征逐步失活的弱监督语义分割方法，属于计算机视觉领域。首先将图像分为三个不同尺度：包括分类网络和分割网络。其中分类网络输入的是中尺度图像，功能是生成CAM图，训练过程中通过使用改进的PDA方法减小CAM中高显著特征的激活值，从而减少最具鉴别性区域的贡献，使得分类网络更关注其他区域的同时不会忽略最具鉴别性区域的特征，然后通过加权后的特征图进行分类，以此扩大分类网络生成的CAM图的显著区域，从而得到更准确的CAM图，最终分类网络的输出是优化的CAM图。分割网络的输入是三个不同尺度的图像，其基于U‑Net网络，由3个编码器和1个解码器组成。在解码阶段，网络将三个尺度的特征进行融合，获得更好的分割性能。

公开(公告)号：CN115511814A

公开(公告)日：2022-12-23

申请号：CN202211139826.7

申请日：2022-09-20

Applicant: 北京工业大学

Inventor： 李建强 ,  刘朝磊 ,  刘小玲 ,  赵琳娜 ,  刘素芹

IPC: G06T7/00 ,  G06T7/33 ,  G06T5/50

Abstract: 一种基于兴趣区域多纹理特征融合的图像质量评价方法属于计算机视觉领域。本发明有针对性的关注局部花粉颗粒的纹理信息作为整张图像的质量分数。该模型的流程模块包括图像预处理模块、局部花粉颗粒提取模块、多纹理特征量化指标提取模块和质量评价最终得分模块。结果显示，我们提出的流程和解决方案关注局部花粉颗粒感兴趣区域的效果，可以更好感知花粉数据的质量。