公开(公告)号：CN114758357A

公开(公告)日：2022-07-15

申请号：CN202210394606.2

申请日：2022-04-14

Applicant: 哈尔滨理工大学

Inventor： 房国志 ,  刘锋 ,  张晓琢

IPC: G06V40/10 ,  G06V10/30 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于神经网络及改进K‑SVD算法的动物种类识别方法，属于图像识别领域。一种基于神经网络及改进K‑SVD算法的动物种类识别方法，由视频图像数据经过预处理得到图片数据制作动物个体身份识别数据集；步骤二、改进YOLOv4方法，并依据改进的YOLOv4算法检测图像数据中动物目标；其中，改进YOLOv4是指利用数据集进行模型的预训练，之后通过构建的目标检测数据集进行Fine‑tuning，训练合适的权重；基于K‑SVD算法，增加图像的三色分量信息，对K‑SVD算法改进，以对动物个体图像去噪；基于深度卷积神经网络的动物个体身份识别。采用本发明方法对动物个体识别的准确率高。

公开(公告)号：CN113362307A

公开(公告)日：2021-09-07

申请号：CN202110633595.4

申请日：2021-06-07

Applicant: 哈尔滨理工大学

Inventor： 王卫兵 ,  张晓琢 ,  何金喜 ,  刘锋

IPC: G06T7/00 ,  G06N3/04 ,  G06N3/08 ,  G06T5/00 ,  G06T5/30 ,  G06T5/50

Abstract: 本发明涉及一种RGB‑D图像显著性检测方法，包括如下步骤：1.RGB图像和深度图像分别输入到舍去全连接层和池化层的Resnet50主干网络中，提取每层的RGB特征和深度特征；2.各层深度特征输入到相应的深度改进模块中，得到的深度改进特征与RGB特征经过卷积、激活等融合操作后形成各层的混合特征；3.混合特征从高层到底层两两组合，分别通过特征分组监督融合模块，得到各层显著图，其中，在每个特征分组监督融合模块中都加入上一层输出的显著图和真值图进行监督，最终经过迭代优化以第4层级输出的显著图作为最终结果显著图。本发明有效抑制了低质量深度特征的噪声干扰，对特征进行了高质量的充分融合，能够生成完整准确的显著图，具有较好的检测性能。

公开(公告)号：CN113362307B

公开(公告)日：2023-03-28

申请号：CN202110633595.4

申请日：2021-06-07

Applicant: 哈尔滨理工大学

Inventor： 王卫兵 ,  张晓琢 ,  何金喜 ,  刘锋

IPC: G06T7/00 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/09 ,  G06T5/00 ,  G06T5/30 ,  G06T5/50

Abstract: 本发明涉及一种RGB‑D图像显著性检测方法，包括如下步骤：1.RGB图像和深度图像分别输入到舍去全连接层和池化层的Resnet50主干网络中，提取每层的RGB特征和深度特征；2.各层深度特征输入到相应的深度改进模块中，得到的深度改进特征与RGB特征经过卷积、激活等融合操作后形成各层的混合特征；3.混合特征从高层到底层两两组合，分别通过特征分组监督融合模块，得到各层显著图，其中，在每个特征分组监督融合模块中都加入上一层输出的显著图和真值图进行监督，最终经过迭代优化以第4层级输出的显著图作为最终结果显著图。本发明有效抑制了低质量深度特征的噪声干扰，对特征进行了高质量的充分融合，能够生成完整准确的显著图，具有较好的检测性能。