公开(公告)号：CN111652216B

公开(公告)日：2023-04-07

申请号：CN202010493808.3

申请日：2020-06-03

Applicant: 北京工商大学

Inventor： 于重重 ,  萨良兵 ,  马先钦 ,  陈秀新 ,  赵霞

IPC: G06V10/25 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06T7/00

Abstract: 本发明公布了一种基于度量学习的多尺度目标检测模型方法，利用迁移学习的思想使用预训练的模型对网络进行初始化，同时增加损失函数对网络的权值参数进行微调，提高图像中感兴趣区域的回归精度；在图像中感兴趣区域提取特征图后增加全连接层将特征信息矢量化，之后利用全连接层提取的特征信息进行距离度量，实现目标区域信息的分类识别。采用本发明的技术方案，能够减少特征信息的损失，提升检测目标的分类识别准确率。

公开(公告)号：CN115587969A

公开(公告)日：2023-01-10

申请号：CN202211099071.2

申请日：2022-09-07

Applicant: 北京工商大学

Inventor： 肖洪兵 ,  洪兆瑞 ,  于重重 ,  萨良兵

IPC: G06T7/00 ,  G06V10/25 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明提供一种跨域小样本缺陷目标检测方法，属于计算机视觉技术领域。本发明利用多尺度残差注意力机制，该机制包括特征金字塔结构和残差注意力模块，通过多尺度残差注意力网络后输出的特征图进入梯度解耦层，再利用双感兴趣区域头部结构解决缺陷细粒度问题，将每个感兴趣区域头部网络中框分类器得到的分数和框回归器得到的参数融合，输出给总的框分类器和框回归器，通过原型校准模块对总的框分类器得到的预测分数进行校准得到最后的预测类别分数，再通过总的框回归器得到最后预测坐标，从而检测到小样本缺陷目标。实验结果表明，本发明在跨域小样本目标检测场景下具有很强的鲁棒性和泛化能力，保证了参数的充分学习，不会产生严重的过拟合现象。

公开(公告)号：CN112766378B

公开(公告)日：2023-07-21

申请号：CN202110078446.6

申请日：2021-01-19

Applicant: 北京工商大学

Inventor： 于重重 ,  萨良兵 ,  谢涛 ,  赵霞

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V10/46 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/096

Abstract: 本发明公布了一种专注细粒度识别的跨域小样本图像分类模型方法，构建专注细粒度识别的跨域小样本分类模型FFGR，FFGR模型采用两步识别的方法，包括图像特征提取模块MFFE和图像特征分类识别模块BMF；通过前端专注特征编码器提取图像特征，再通过后端双线性度量函数利用图像特征进行图像分类识别。采用本发明方法，能够更快速并高效地提取到小样本图像特征信息，模型整体优化更加快捷精准，分类准确率高。

公开(公告)号：CN111652216A

公开(公告)日：2020-09-11

申请号：CN202010493808.3

申请日：2020-06-03

Applicant: 北京工商大学

Inventor： 于重重 ,  萨良兵 ,  马先钦 ,  陈秀新 ,  赵霞

IPC: G06K9/32 ,  G06K9/62 ,  G06T7/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公布了一种基于度量学习的多尺度目标检测模型方法，利用迁移学习的思想使用预训练的模型对网络进行初始化，同时增加损失函数对网络的权值参数进行微调，提高图像中感兴趣区域的回归精度；在图像中感兴趣区域提取特征图后增加全连接层将特征信息矢量化，之后利用全连接层提取的特征信息进行距离度量，实现目标区域信息的分类识别。采用本发明的技术方案，能够减少特征信息的损失，提升检测目标的分类识别准确率。