公开(公告)号：CN114926845A

公开(公告)日：2022-08-19

申请号：CN202210637086.3

申请日：2022-06-07

Applicant: 哈尔滨理工大学

Inventor： 尹莉莉 ,  陈国栋

IPC: G06V30/22 ,  G06V30/18 ,  G06N3/04 ,  G06N3/08 ,  G06F16/16

Abstract: 本发明涉及一种基于深度学习的汉字书法风格识别方法。本发明所述的一种基于深度学习的汉字书法风格识别方法包括：数据集收集；对数据集进行预处理将书法作品处理为单字并进行扩充；将所述的单字图像送入识别模型进行训练；保存准确率最高的模型作为识别模型；其中所述的识别模型为改进Resnet18神经网络，其在Basic Block中引入自校正卷积SCConv，并在每一层的Layer之间引入了CBAM注意力机制，最后将损失函数改进为Focal Loss损失函数适应数据的长尾分布。实验证明该方法解决了基于特征的书法风格识别困难的问题，并提高了识别的精准度。

公开(公告)号：CN114820366A

公开(公告)日：2022-07-29

申请号：CN202210445862.X

申请日：2022-04-26

Applicant: 哈尔滨理工大学

Inventor： 李谦 ,  陈国栋 ,  张根柱

IPC: G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 深度学习已被大量应用于图像去雾领域，并取得优异表现。但现有的网络模型往往深度较深且包含大量参数，这会降低运算效率。为了实现轻量级网络和保持良好性能，提出了多尺度轻量级图像去雾网络(Multi‑scaleLightweightNetwork，MLNet)。使用多支路设计和多尺度卷积提取不同层次的特征信息，在网络中进行特征融合后重建残差图像，最终使用残差图像与输入图像求和得到恢复图像。