公开(公告)号：CN119579986A

公开(公告)日：2025-03-07

申请号：CN202411675594.6

申请日：2024-11-21

Applicant: 北京工业大学

Inventor： 徐曦 ,  刘素芹 ,  李建强 ,  郝康博 ,  高若云 ,  李怡龙 ,  程文秀 ,  赵琳娜 ,  朱楚杰

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/52 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/09

Abstract: 一种基于渐进式特征学习的多目标图像识别方法，属于图像识别领域。该方法：(1)图像增强预处理：构建质量分类器自动筛选出需要进行质量优化的模糊图像，然后使用循环一致性生成对抗网络完成模糊图像域到清晰图像域的复原。(2)多尺度融合的关键目标定位：采用多尺度特征金字塔融合高层特征图和低层特征图不同特征尺度上所蕴含的互补信息，实现对图像中每一个关键目标的精确定位，从而确保每一个关键目标都能作为一个独立的样本被分析识别。(3)领域知识引导的目标分类：本发明将领域知识(包括颜色和轮廓两种)，结合注意力机制将领域知识嵌入到图像分类模型中，增强分类模型对关键特征的捕捉能力，从而获得准确的类别预测结果。

公开(公告)号：CN119579985A

公开(公告)日：2025-03-07

申请号：CN202411675524.0

申请日：2024-11-21

Applicant: 北京工业大学

Inventor： 赵琳娜 ,  徐曦 ,  李建强 ,  李怡龙 ,  王姝涵 ,  朱楚杰 ,  刘素芹 ,  程文秀

IPC: G06V10/764 ,  G06V10/26 ,  G06V10/40 ,  G06V10/75 ,  G06V10/74 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/047 ,  G06N3/082 ,  G06N3/088

Abstract: 一种基于匹配式分层迁移网络的图像分类方法属于计算机视觉中的图像分类领域。首先，本发明先创建了利用预训练分类模型的中间层特征构建局部结构检测器，以此匹配全局和局部两类图像。其次，基于上述匹配结果，构建分层特征迁移策略分别建立浅层和通用特征迁移网络。对于一般特征来说，本发明直接进行参数共享。对于深度特异特征，构造域鉴别器并使用对抗损失和分类损失的组合来引导深度网络学习域不变特征。通过图像匹配和分层迁移的相互作用，有效提升迁移学习的性能，为图像分类任务提供了强有力的支持。

公开(公告)号：CN119006860A

公开(公告)日：2024-11-22

申请号：CN202410984986.4

申请日：2024-07-22

Applicant: 北京工业大学

Inventor： 徐曦 ,  高正凯 ,  李建强 ,  高若云 ,  郝康博 ,  李怡龙 ,  赵琳娜 ,  程文秀 ,  刘素芹

IPC: G06V10/75 ,  G06V10/74 ,  G06V10/46 ,  G06V10/44 ,  G06V10/30

Abstract: 一种基于局部‑整体视角的模板匹配方法属于计算机视觉领域。本发明通过形状上下文描述子和形状度量描述子分别计算模板和目标物体的局部和整体相似度，结合局部和整体视角的信息完成模板匹配。本发明首先需要构建模板库，之后进行模板匹配，匹配过程包括以下步骤：轮廓提取、轮廓特征描述以及特征匹配。首先从原始图片中提取目标轮廓，之后轮廓的局部和整体特征将用的两个特征描述子(形状上下文特征、形状度量特征)代表。最后根据特征描述子将目标轮廓与我们构建的模板库中的花粉模板相匹配，形成目标轮廓与模板间的对应关系，筛选强对应关系的目标轮廓区域作为匹配结果。本发明通过两个特征描述子，并通过细节和整体角度提高匹配准确度。