公开(公告)号：CN117522674A

公开(公告)日：2024-02-06

申请号：CN202311585339.8

申请日：2023-11-24

Applicant: 南京邮电大学

Inventor： 周全 ,  胡张颖 ,  姜政 ,  项伟康 ,  吴晓富 ,  樊亚文 ,  康彬 ,  张索非

IPC: G06T3/04 ,  G06T7/13 ,  G06T7/50 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/084 ,  G06N3/0985

Abstract: 本发明属于图像处理领域，涉及一种联合局部和全局信息的图像重建系统及方法，所述系统包括生成器网络、边缘检测网络和深度检测网络；生成器网络将输入的部分信息损失的图像Y通过映射得到重建图像Z；采用端到端的边缘检测网络，输入图像后直接产生边缘图像作为输出；采用一个提取单幅图像的深度检测网络，输入整个图像后直接预测像素级的深度；构建本发明的联合局部和全局信息的图像重建系统并应用，与现有技术基于图像重建的掩码自编码模型相比，本发明提出的网络架构实现了图像重建准确率与计算效率之间的最佳平衡，能够提高图像重建的准确性和计算效率。

公开(公告)号：CN117611811A

公开(公告)日：2024-02-27

申请号：CN202311468827.0

申请日：2023-11-07

Applicant: 南京邮电大学

Inventor： 周全 ,  项伟康 ,  姜政 ,  胡张颖 ,  吴晓富 ,  樊亚文 ,  康彬 ,  张索非

IPC: G06V10/26 ,  G06V10/764 ,  G06V10/40 ,  G06V10/774

Abstract: 本发明公开了一种图像级弱监督语义分割系统及方法，系统中类激活图生成部分使用分类头的参数对输入图像的特征图进行激活，得到CAMs以初步实现目标定位；标签分配模块通过挖掘每个像素关于整幅图像的注意力图中所包含的结构信息为每个像素分配类别标签，以实现精准的正负样本对匹配与对比，并正确建模像素间的语义关系；注意力优化模块自适应筛选出高置信度的样本点，并以此对图像的初始特征表达进行重建；在原特征图和新特征图、原类激活图和新类激活图之间引入一致性正则化，获得额外的像素级监督信号；构建的弱监督语义分割系统在仅使用图像级标签的情况下实现了语义分割的最优性能。

公开(公告)号：CN117523234A

公开(公告)日：2024-02-06

申请号：CN202311536162.2

申请日：2023-11-17

Applicant: 南京邮电大学

Inventor： 周全 ,  姜政 ,  项伟康 ,  胡张颖 ,  吴晓富 ,  樊亚文 ,  康彬 ,  张索非

IPC: G06V10/74 ,  G06N3/088 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/048

Abstract: 本发明公开一种利用样本选择进行无监督对比学习的图像理解方法，属于无监督模型预训练领域；方法为：对所有训练图像进行数据增强并分别通过编码器网络进行编码，将原始图像特征向量和数据增强图像特征向量分别通过特征投影头将特征映射至低维空间，通过注意力计算获得图像之间的相似度，得到注意力矩阵；利用注意力矩阵的相似度信息进行正负样本对判别；利用注意力图中的相似度信息对各个样本进行重要性加权，并计算对比损失函数；本发明解决传统无监督对比学习中同类图像被错误地判断为负样本的问题，同时对传统的对比损失函数进行了改进，自适应地为样本分配权重，以更好地利用具有可靠判断结果的样本对，并减少不可靠样本对的干扰。