-
公开(公告)号：CN117809186B
公开(公告)日：2024-11-29
申请号：CN202311863533.8
申请日：2023-12-29
Applicant: 南京信息工程大学
IPC: G06V20/10 , G06V10/774 , G06N3/0464 , G06N3/08 , G06N3/084 , G06V10/82 , G06V10/44 , G06V10/776
Abstract: 本发明公开了一种基于异质框架搜索的蚜虫计数方法及装置，本发明首先构建蚜虫训练数据集，包括蚜虫图像收集和标签制作，所述标签制作用于对每张图片的蚜虫目标进行点标注，利用高斯核对点标注进行卷积运算生成高斯密度图。然后，对蚜虫图像进行数据预处理。之后构建蚜虫计数网络模型，包括基础网络、异质框架搜索模块和特征稳定器模块。再将预处理后的蚜虫图像和对应的密度图作为训练样本，对所述蚜虫计数网络模型进行网络结构搜索及训练；最后将待计数的蚜虫图像输入训练好的蚜虫计数模型，输出得到密度图，对密度图中的数值进行求和，得到蚜虫的计数值。本发明可以对包含蚜虫的图像进行蚜虫计数，能完成不同尺度下精确的蚜虫计数。
-
公开(公告)号：CN116469169A
公开(公告)日：2023-07-21
申请号：CN202310432788.2
申请日：2023-04-20
Applicant: 南京信息工程大学
IPC: G06V40/20 , G06V20/40 , G06V10/774 , G06V10/776 , G06V10/764
Abstract: 本发明公开了一种鲁棒的增量行为识别模型建立方法及装置，本发明首先构建类增量行为识别模型；将样本进行在线增广；然后采用在线增广后的训练数据集对类增量行为识别模型进行训练，训练时，如果训练的样本属于旧类，则根据对应标签生成正相关的软标签进行自纠正损失计算；之后通过验证数据集筛选出识别精度最高的类增量行为识别模型保存；最后采用测试数据集对保存的模型进行测试，获取当前类别的行为识别准确度和遗忘率，并根据增量类别更新模型；直至完成所有类的训练，得到训练好的类增量行为识别模型。本发明鲁棒性高、性能好。
-
公开(公告)号：CN115937597A
公开(公告)日：2023-04-07
申请号：CN202211654233.4
申请日：2022-12-22
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/766 , G06V10/77 , G06V10/82 , G06V10/26 , G06T7/11 , G06N3/0464 , G06N3/048 , G06N3/096
Abstract: 本发明公开了一种面向目标计数的类增量学习网络建模方法及装置，包括：S1：获取不同类样本的数据集；S2：对数据集样本进行在线增广；S3：构建目标计数的类增量学习网络，所述类增量学习网络包括特征提取器、类无关模块和类增量模块；S4：采用增广后的数据集样本对所述类增量学习网络进行训练，得到训练好的类增量学习网络。本发明实现了在线对不同类目标密度图的学习与预测，提高了目标计数网络的实用性和适用性。
-
公开(公告)号：CN117808683B
公开(公告)日：2025-01-21
申请号：CN202311861793.1
申请日：2023-12-29
Applicant: 南京信息工程大学
IPC: G06T5/00 , G06V10/774 , G06V10/776 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种鲁棒的增量低光图像增强方法及装置，本发明采集一系列低光图像数据集以及相应的正常光图像，以构建增量样本库；构建域增量低光图像增强模型；按照训练顺序获取当前需要训练的样本域，实时对样本域进行预处理；利用经过预处理的训练数据集，对域增量低光图像增强模型进行训练；训练完后采用当前样本域验证集筛选出在测评指标上最高的域增量低光图像增强模型并保存；然后，采用所有旧域和当前域测试集对模型进行全面测试，评估增强效果和遗忘率，并使用当前模型参数更新下一增量阶段模型参数；完成针对所有域的训练，获得最终的域增量低光图像增强模型。本发明对动态变化的低光图像域进行自适应增强，增强后的图像效果相比现有技术更好。
-
公开(公告)号：CN117809100B
公开(公告)日：2024-12-13
申请号：CN202311847377.6
申请日：2023-12-29
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/44 , G06N3/045 , G06N20/00 , G06N3/096
Abstract: 本发明公开了一种双粒度提示下基于回放的持续学习模型建立方法及装置，本发明首先对训练数据集中的图像进行预处理；然后构建双粒度提示下基于回放的持续学习模型，包括特征提取器、分类器、输入感知提示模块和代理特征提示模块；所述特征提取器用于从输入的样本中提取特征；所述分类器用于将特征提取器输出的特征进行分类；所述输入感知提示模块用于网络输入的额外补充，帮助生成更合理和多样化的输入分布，提高网络的泛化能力；所述代理特征提示模块用于弥合教师和学生模型之间的知识差距，以在特征转移过程中保持一致性，增强了特征的可塑性和稳定性。本发明可以高效完成持续学习任务，图像分类精度比现有持续学习方法更优。
-
Patent Agency Ranking
公开(公告)号：CN117746139B
公开(公告)日：2024-11-29
申请号：CN202311771402.7
申请日：2023-12-20
Applicant: 南京信息工程大学
IPC: G06F17/00
Abstract: 本发明公开了一种类增量目标计数自我反思模型建立方法及装置，本发明首先对训练数据集中的图像进行预处理；然后构建类增量目标计数自我反思模型，包括全局感知增量回归分支、不确定性预估分支和自我反思机制；所述全局感知增量回归分支用于提取输入图像的全局特征，生成图像对应类别的预测密度图；所述不确定性预估分支用于保持稳定性的同时增强网络的可塑性，并使用该分支的输出作为正则化信号引导增量回归分支的学习过程；所述自我反思机制修正增量回归分支的输出，促进增量分支对旧类别知识的反思，增强模型输出密度图的准确性。本发明可以高效完成类增量目标计数任务，计数结果比现有技术更优。
-
公开(公告)号：CN118015352A
公开(公告)日：2024-05-10
申请号：CN202410144769.4
申请日：2024-02-01
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明属于计算机视觉领域，具体为一种样本均衡学习类增量目标计数建模方法，旨在解决模型在类增量目标计数过程中由于新旧类样本失衡导致的灾难性遗忘问题，同时提高模型对新类的感知能力以及帮助模型更好的实现稳定性与可塑性的平衡。本发明主要包括提出的两个新损失函数：(1)样本再平衡损失函数，根据其样本计数的难易程度动态再平衡新旧类样本的损失贡献，使得模型在更关注旧类样本缓解灾难性遗忘的同时，提高其对新类样本的感知能力；(2)梯度衰减损失函数，通过动态约束计数模型的梯度信息，在不损害其可塑性的情况下，最大限度地保留旧知识，更好的实现稳定性与可塑性的平衡。
-
公开(公告)号：CN117808710A
公开(公告)日：2024-04-02
申请号：CN202311847371.9
申请日：2023-12-29
Applicant: 南京信息工程大学
IPC: G06T5/77 , G06N3/045 , G06N3/0499 , G06T5/10 , G06N3/08 , G06N3/0464 , G06F17/14 , G06V10/40 , G06V10/80 , G06V10/82 , G06V10/774 , G06V10/776
Abstract: 本发明公开了一种基于傅里叶变换Transformer网络的低光图像增强方法及装置，本发明首先获取若干低光图像及对应的参考标准图像，并对低光图像进行预处理，之后构建傅里叶变换Transformer网络，再将预处理后的低光图像和对应的正常光图像作为样本，对所述傅里叶变换Transformer网络进行训练；最后将待增强的低光图像输入训练好的傅里叶变换Transformer网络，得到增强后的图像。本发明可以对低光图像甚至极低光图像进行图像增强，增强后的图像效果相比现有技术更好。
-
公开(公告)号：CN116091341B
公开(公告)日：2024-04-02
申请号：CN202211617192.1
申请日：2022-12-15
Applicant: 南京信息工程大学
IPC: G06T5/70 , G06T5/90 , G06T5/60 , G06T5/50 , G06N3/0464 , G06N3/0475 , G06N3/08
Abstract: 本发明公开了一种低光图像的曝光差增强方法及装置，本发明首先获取若干低光图像及对应的参考标准图像，并对低光图像进行数据预处理，之后构建曝光差增强网络，包括相连接的曝光差模块和全局一致性引导的颜色调整模块，所述曝光差模块用于提取低光图像和根据低光图像生成的曝光图像之间的曝光差特征，所述颜色调整模块用于基于曝光差特征进行全局信息和颜色边缘纹理的捕捉，输出增强后的图像；再将预处理后的低光图像和对应的正常光图像作为样本，对所述曝光差增强网络进行训练；最后将待增强的低光图像输入训练好的曝光差增强网络，得到增强后的图像。本发明可以对低光图像甚至极低光图像进行图像增强，增强后的图像效果相比现有技术更好。
-
公开(公告)号：CN116612352A
公开(公告)日：2023-08-18
申请号：CN202310605077.0
申请日：2023-05-26
Applicant: 南京信息工程大学
IPC: G06V10/774 , G06V10/776 , G06V10/82 , G06V10/80 , G06V20/40 , G06N3/045 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种时空交织的行为识别网络模型构建方法及装置，所述方法包括：加载视频数据并提取视频帧，对视频帧进行随机裁剪和随机水平翻转，得到模型的输入数据集，将数据集划分为训练集、验证集和测试集；确定时空交织行为识别网络模型结构，该结构包括依次连接的基网络、交互特征协同模块、并行增强伪3D模块和时空差分注意力模块；利用训练集中的数据对时空交织行为识别网络模型进行网络训练，利用验证集中的数据评估模型，一旦找到最佳的参数，则保存最优模型；利用测试集中的数据对最优模型进行测试。本发明在降低计算复杂度的基础上提高对行为识别的精度。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.023 seconds)
