-
公开(公告)号:CN119339206A
公开(公告)日:2025-01-21
申请号:CN202411393313.8
申请日:2024-10-08
Applicant: 哈尔滨工业大学
IPC: G06V10/82 , G06V10/764 , G06V10/771 , G06T7/00 , G06N3/0455 , G06N3/0464 , G06N3/082 , G06N3/096
Abstract: 本发明提供一种基于特征空间校准的植物病害小样本分类方法及系统,属于数据处理领域。为解决现有深度学习算法在图像分类时需要大量带注释的数据集,但部分植物病害发病率低,图像数据少,限制深度学习算法在植物病害识别中大规模应用的问题。利用FAS评分对移除全连接层后的Swin‑Transformer V2网络的每一个特征输出层进行打分分析,选择分值最高的层作为特征向量,得到Swin‑Transformer V2F6网络,再进行植物病害特征空间校准。本发明在小样本病害分类的准确率可有效提高,相对于需要使用大量带注释的数据集来说,可在少量数据集的基础上提高识别的准确性。
-
公开(公告)号:CN119478578A
公开(公告)日:2025-02-18
申请号:CN202411393939.9
申请日:2024-10-08
Applicant: 哈尔滨工业大学
IPC: G06V10/774 , G06N20/20
Abstract: 一种基于TOP2混合决策模型集成算法的图像识别方法及系统,属于图像数据处理技术领域。本发明的目的是为了降低模型的过拟合风险,并在各种数据集上都能显著提高模型的计算效率和测试精度。技术要点:初始化基模型随机种子、基于数据集训练多个基模型、决策矩阵初始化、基模型前向推断计算输出、更新决策矩阵、判断是否完成了所有的基模型的前向推断和对决策矩阵的更新并给出判断条件、重排决策矩阵、给出重排类别索引集合,根据最佳排序索引顺序导出类别索引的最佳排序集合、计算决策矩阵统计量、统计量符合统计显著性的判断。本发明适用于医疗影像分析、监控视频处理等多模型决策场景。
-