-
Patent Agency Ranking
公开(公告)号：CN116681954A
公开(公告)日：2023-09-01
申请号：CN202310804912.3
申请日：2023-07-03
Applicant: 北京林业大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/094 , G06T3/00 , G06N3/096
Abstract: 本发明涉及人工智能技术领域，尤其涉及一种基于联合对抗迁移学习的害虫图像识别方法，包括以下步骤：步骤S1,对开源农林业害虫数据集进行风格化处理，形成迁移学习数据集；步骤S2,训练领域‑测试领域包含源域、风格域以及空白域三个域的所有组合；步骤S3,在领域对抗神经网络中引入中心感知约束；步骤S4,在标签识别器最后的全连接层中引入相关对齐约束。本发明通过联合对抗迁移学习的害虫图像分类算法方法，可以较好解决负迁移对害虫分类准确性的影响问题,进而实现了农林业害虫的有效识别。
-
公开(公告)号：CN119723171A
公开(公告)日：2025-03-28
申请号：CN202411768368.2
申请日：2024-12-04
Applicant: 北京林业大学
IPC: G06V10/764 , G06V20/10 , G06V10/774
Abstract: 本发明涉及基于物种分类树的野生动物监测图像层次化分类方法，包括：在物种分类树的纲、目、科、属和种五个分类层级上进行分类，通过提供更丰富的物种判定信息降低复核模型结果的人工成本。该方法利用类别间的层次关系，引入软决策和路径矫正策略，提高了层次化分类的准确率和一致性。当在细粒度的物种级别分类错误时，模型提供的粗粒度结果也具有参考价值。
-
公开(公告)号：CN116127112A
公开(公告)日：2023-05-16
申请号：CN202310019821.9
申请日：2023-01-06
Applicant: 北京林业大学
IPC: G06F16/535 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明实施例公开了一种野生动物监测图像误触发图像筛选方法及存储介质，方法包括：获取相机拍摄的监测图像，构建训练集；使用所述训练集对网络模型进行训练，得到图像筛选模型；从待筛选相机拍摄的所有图像中获取一张空拍图像作为参考图像，剩余的图像作为待筛选图像；将所述参考图像和待筛选图像输入到所述图像筛选模型中，得到筛选结果。本发明以基于三元组损失度量学习的误触发图像判别技术为主体，可以判别红外触发相机的误触发图像进而将其过滤，最终实现红外触发相机野生动物监测图像原始数据中无效数据过滤的自动化，避免了海量监测数据的人工筛选，有助于促进野生动物保护工作的智能化和信息化。
-
公开(公告)号：CN119559443B
公开(公告)日：2025-05-23
申请号：CN202411733993.3
申请日：2024-11-29
Applicant: 北京林业大学
IPC: G06V10/764 , G06V10/774 , G06F16/58 , G06N3/09
Abstract: 本发明涉及一种基于主动学习的开放世界物种分类方法，属于物种分类技术领域；本发明包括如下内容：采用“分治”策略，结合监督学习模型和开放词汇模型的优势，通过闭集模型分类已知类别样本，同时利用开集识别引导未知类别至开放词汇零样本分类，并主动学习困难样本。随着新类别的出现和样本的累积，重新训练闭集模型并扩充分类器类别数量，使开放词汇模型和专家标签的知识周期性地更新到闭集模型中，从而将开放世界图像分类问题逐步转化为闭集分类问题。
-
公开(公告)号：CN119559443A
公开(公告)日：2025-03-04
申请号：CN202411733993.3
申请日：2024-11-29
Applicant: 北京林业大学
IPC: G06V10/764 , G06V10/774 , G06F16/58 , G06N3/09
Abstract: 本发明涉及一种基于主动学习的开放世界物种分类方法，属于物种分类技术领域；本发明包括如下内容：采用“分治”策略，结合监督学习模型和开放词汇模型的优势，通过闭集模型分类已知类别样本，同时利用开集识别引导未知类别至开放词汇零样本分类，并主动学习困难样本。随着新类别的出现和样本的累积，重新训练闭集模型并扩充分类器类别数量，使开放词汇模型和专家标签的知识周期性地更新到闭集模型中，从而将开放世界图像分类问题逐步转化为闭集分类问题。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
