一种基于联合渐进稀疏的轻量级双模态生物特征识别方法

    公开(公告)号:CN119810934A

    公开(公告)日:2025-04-11

    申请号:CN202411767667.4

    申请日:2024-12-04

    Abstract: 本发明公开了一种基于联合渐进稀疏的轻量级双模态生物特征识别方法,主要包括以下步骤:选取掌纹和掌静脉图像构建双模态数据集,采用MobileNetV1作为双分支网络提取特征,并通过联合渐进稀疏策略减少模型参数冗余,提升计算效率;使用双重通道注意力特征融合模块有效整合特征信息,形成统一的特征表示,构建轻量级双分支模型;引入生物特征结构一致性损失函数和细节纹理损失函数对模型进行精细优化,确保高效、准确的身份识别,并通过验证集评估保存最佳模型参数。本发明有效提升了识别的效率、准确性和可靠性,同时实现了模型的轻量化设计,使其更适用于资源受限的应用场景,满足现代生物特征识别技术对性能和资源的双重要求。

    一种基于跨层级特征蒸馏的航拍图像目标检测方法

    公开(公告)号:CN118691993B

    公开(公告)日:2025-02-28

    申请号:CN202410828881.X

    申请日:2024-06-25

    Abstract: 本发明公开了一种基于跨层级特征蒸馏的航拍图像目标检测方法,包括:提取预训练教师网络掩码图和学生网络掩码图,基于预训练教师网络掩码图和学生网络掩码图构建查询模块,基于查询模块对不同尺度的目标进行跨层级特征蒸馏,利用预训练教师网络的多层特征信息来指导学生网络的单层特征信息,增强预训练教师网络和学生网络间的语义信息匹配度。本发明提出基于查询模块的跨层级特征蒸馏的策略,通过查询模块在对应尺度上做损失,可以让学生网络更好地学习到来自预训练教师网络的知识,同时在不增加网络参数量的前提下,能够提高学生网络的检测性能,在星载平台的部署上具有一定优势。

    一种基于自适应伪标签纠正的半监督语义分割方法

    公开(公告)号:CN115761735B

    公开(公告)日:2025-02-14

    申请号:CN202211432700.9

    申请日:2022-11-16

    Abstract: 本发明公开了一种基于自适应伪标签纠正的半监督语义分割方法,包括以下步骤:选取GTA5数据集构建源域,选取Cityscapes数据集构建目标域;输入源域图像到深度卷积神经网络中训练得到预训练的语义分割模型;基于目标图像生成的预测概率矩阵使用信息熵和密度聚类算法构建不确定性区域的选择策略;构建自适应伪标签纠正策略得到最终伪标签作为监督,训练半监督语义分割模型;输入目标域验证集中的目标图像到训练后的半监督语义分割模型中验证语义分割的性能。本发明实现了在线更新伪标签,解决了确认偏见问题,缓解了类别不平衡问题,克服了全卷积的缺点,提高了该模型在目标域上的语义分割效果。

    基于分类-定位双分支交互蒸馏的航拍图像目标检测方法

    公开(公告)号:CN119131632A

    公开(公告)日:2024-12-13

    申请号:CN202411254438.2

    申请日:2024-09-09

    Abstract: 本发明公开了一种基于分类‑定位双分支交互蒸馏的航拍图像目标检测方法,包括预训练教师网络、学生网络、交互蒸馏区域选择模块、自适应生成蒸馏模块,通过构建交互蒸馏区域选择模块,使预训练教师网络和学生网络检测头的知识相互指导,动态选择出最优的蒸馏区域;在学生网络检测头分类分支集成自适应生成蒸馏模块,通过对其分类分支的输出特征层进行掩码,使其自适应地重建预训练教师网络的输出特征层,进一步增强了学生网络的学习能力;最后,引入KL散度损失来对蒸馏区域进行约束。本发明实现了预训练教师网络和学生网络蒸馏过程中分类和定位两个任务之间的交互,在低参数量的同时,有效提升了学生网络的检测精度和速度。

    一种基于双重特征关系蒸馏的航拍图像目标检测方法

    公开(公告)号:CN119131631A

    公开(公告)日:2024-12-13

    申请号:CN202411254436.3

    申请日:2024-09-09

    Abstract: 本发明公开了一种基于双重特征关系蒸馏的航拍图像目标检测方法,首先构建特征解耦关系蒸馏模块,将所有多尺度特征解耦为目标特征和非目标特征,进而分别蒸馏目标特征间的关系和非目标特征间的关系,促使学生网络理解不同特征间的关联性,再构建局部逐像素关系蒸馏模块,采用分块学习的策略,利用图卷积计算每个块特征图间的内部关系,使网络更专注于学习和捕捉局部逐像素的关系,从而显著提高网络对局部细节的感知和表达能力。本发明全面地考虑了中间特征的关系,通过解耦操作和分块学习,使得学生网络能够更好地理解和学习教师网络中丰富的特征关系表示,有效提高了学生网络的检测性能,实现了航拍图像目标检测模型的轻量化。

Patent Agency Ranking