公开(公告)号：CN112733912B

公开(公告)日：2023-06-09

申请号：CN202011634407.1

申请日：2020-12-31

Applicant: 华侨大学

Inventor： 杜吉祥 ,  王莹莹 ,  张洪博 ,  翟传敏 ,  黄政

IPC: G06V10/82 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明涉及一种基于多粒度对抗损失的细粒度图像识别方法，包括以下步骤：使用区域混淆机制破坏图像全局信息，并进行图像增强，迫使网络更加关注图像区域信息；使用渐进式学习策略在深度神经网络的不同层提取特征，联合不同粒度的图像特征，对每一个特征和原图特征联合进行分类；获取多粒度对抗损失函数，来降低因破坏图像的全局结构而引起的噪声。本发明将数据的不同粒度区域混淆，实现了数据增强，迫使网络关注到不同粒度图像的局部信息，采用渐进式学习策略，对每个阶段的特征进行学习且连接最后S个阶段的特征从而实现多粒度信息互补，构建多粒度对抗损失降低因破坏图像的全局结构而引入的噪声，因此可以更准确和高效的识别子类图像。

公开(公告)号：CN112733912A

公开(公告)日：2021-04-30

申请号：CN202011634407.1

申请日：2020-12-31

Applicant: 华侨大学

Inventor： 杜吉祥 ,  王莹莹 ,  张洪博 ,  翟传敏 ,  黄政

IPC: G06K9/62 ,  G06K9/46 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于多粒度对抗损失的细粒度图像识别方法，包括以下步骤：使用区域混淆机制破坏图像全局信息，并进行图像增强，迫使网络更加关注图像区域信息；使用渐进式学习策略在深度神经网络的不同层提取特征，联合不同粒度的图像特征，对每一个特征和原图特征联合进行分类；获取多粒度对抗损失函数，来降低因破坏图像的全局结构而引起的噪声。本发明将数据的不同粒度区域混淆，实现了数据增强，迫使网络关注到不同粒度图像的局部信息，采用渐进式学习策略，对每个阶段的特征进行学习且连接最后S个阶段的特征从而实现多粒度信息互补，构建多粒度对抗损失降低因破坏图像的全局结构而引入的噪声，因此可以更准确和高效的识别子类图像。

公开(公告)号：CN113642554B

公开(公告)日：2023-07-11

申请号：CN202110843568.X

申请日：2021-07-26

Applicant: 华侨大学

Inventor： 杜吉祥 ,  王莹莹 ,  曹渝常 ,  张章伟 ,  杨会生 ,  张洪博 ,  黄政

IPC: G06V10/82 ,  G06V10/46 ,  G06V10/25 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/045 ,  G06N3/082

Abstract: 本发明提供了一种图像识别的网络构建方法、装置及设备,属于机器视觉领域，方法包括:获取待识别图像,对所述待识别图像的目标区域进行定位，以获取目标区域；对所述目标区域进行破坏,生成区域拼图；获取所述区域拼图的细节信息，结合网络损失函数建立所述待识别图像的网络模型。解决了因过度关注某一细节信息而忽略次要的显著判别性区域的问题。

公开(公告)号：CN113642554A

公开(公告)日：2021-11-12

申请号：CN202110843568.X

申请日：2021-07-26

Applicant: 华侨大学

Inventor： 杜吉祥 ,  王莹莹 ,  曹渝常 ,  张章伟 ,  杨会生 ,  张洪博 ,  黄政

IPC: G06K9/20 ,  G06K9/46 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种图像识别的网络构建方法、装置及设备,属于机器视觉领域，方法包括:获取待识别图像,对所述待识别图像的目标区域进行定位，以获取目标区域；对所述目标区域进行破坏,生成区域拼图；获取所述区域拼图的细节信息，结合网络损失函数建立所述待识别图像的网络模型。解决了因过度关注某一细节信息而忽略次要的显著判别性区域的问题。