公开(公告)号：CN117456232A

公开(公告)日：2024-01-26

申请号：CN202311328771.9

申请日：2023-10-15

Applicant: 哈尔滨理工大学

Inventor： 臧家彤 ,  王小玉 ,  俞越

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/40 ,  G06V10/80 ,  G06N3/048 ,  G06N3/045 ,  G06N3/0895

Abstract: 本发明公开了一种基于多尺度特征的半监督少样本图像分类方法，涉及图像分类领域。本发明的技术要点包括：方向感知双重注意力模块通过注意力机制，在通道和空间维度上学习特征贡献，提高学习效率。多尺度特征融合模块通过分组和跨组连接，融合多尺度特征，避免特征丢失。伪标签实例选择方法通过分类器损失值分布和稀疏性参数，提高伪标签质量。本发明通过整合不同表示形式提高了少样本图像分类的准确性，减少噪声、提取多尺度特征，并选择高质量伪标签，提升分类性能。本发明在少样本图像分类中取得的效果相比于传统方法更好。

公开(公告)号：CN118537219A

公开(公告)日：2024-08-23

申请号：CN202410026619.3

申请日：2024-01-08

Applicant: 哈尔滨理工大学

Inventor： 俞越 ,  王小玉 ,  臧家彤 ,  岳思莹

IPC: G06T3/4053 ,  G06T3/4046 ,  G06T11/40 ,  G06V10/44 ,  G06V10/771 ,  G06V10/82 ,  G06V10/52 ,  G06V10/80 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明公开了一种基于多路径特征增强的图像超分辨率重建方法，包括：对已有数据集样本采用数据增强技术，增加训练数据的多样性。之后在浅层特征处理模块和深层特征处理模块之间引入多尺度预处理模块，以增强特征的丰富性和表达力。深层特征提取模块采用多路径学习的思想，在网络中使用多分支残差模块RDB和MSRN，两个分支使用不同大小的卷积核，获取从局部细节到全局结构的不同层次的信息，并将改进的双重注意力模块应用于网络中，实现更细粒度的特征提取，本发明充分利用图像特征的依赖性和相关性，更有效地获取和融合图像中的多层次、多样性特征，得到的高分辨率图像细节纹理更加优秀、色彩还原度更高。