公开(公告)号：CN117953222A

公开(公告)日：2024-04-30

申请号：CN202410170201.X

申请日：2024-02-06

Applicant: 大连海事大学

Inventor： 屈雯 ,  徐敏

IPC: G06V10/26 ,  G06V20/70 ,  G06V10/774 ,  G06V10/776 ,  G06V10/74 ,  G06V10/764 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/09

Abstract: 本发明一种基于小样本的多类可用性语义分割方法，包括如下步骤：构建数据集，将数据集按照比例划分为训练集和测试集；其中训练集基于小样本的模型输入数据包含带掩码的支持集图像和目标图像查询集，同时根据可用性公开数据集构建了负样本集；构建小样本多类分割MC‑FSS模型，基于训练集数据对小样本多类分割MC‑FSS模型进行训练，得到训练好的小样本多类分割MC‑FSS模型；将测试集数据输入到训练好的小样本多类分割MC‑FSS模型中，得到最终的分割结果。本申请使用空间注意力SAM获取物体可用性间的相对位置关系；将结构先验模块和自支持结合，缩小待分割区域到物体对象再进一步用查询图自身特征引导分割。

公开(公告)号：CN117911786A

公开(公告)日：2024-04-19

申请号：CN202410159171.2

申请日：2024-02-04

Applicant: 大连海事大学

Inventor： 屈雯 ,  金潇

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455

Abstract: 本发明一种基于多模态语义的可解释性视觉定位方法，包括以下步骤：获取待处理的数据集，将数据集按比例划分为：测试集和训练集；构建可解释性视觉定位模型，按照训练集对可解释性视觉定位模型进行训练，得到训练好的可解释性视觉定位模型，将测试集数据输入到训练好的可解释性视觉定位模型中，根据测试集中的指令和图片等多模态语义进行可解释性视觉定位。若本发明应用到机器人系统中，在处理隐式指令、生成解释、精确定位时能够更加全面、准确地满足用户需求，并为用户提供更加智能化和透明化的体验。

公开(公告)号：CN113537397B

公开(公告)日：2024-04-19

申请号：CN202110919030.2

申请日：2021-08-11

Applicant: 大连海事大学

Inventor： 屈雯 ,  崔健 ,  国露露

IPC: G06V10/80 ,  G06V10/82 ,  G06V10/40 ,  G06V10/774 ,  G06T5/73 ,  G06N3/0464 ,  G06N3/098

Abstract: 本发明提供一种基于多尺度特征融合的目标检测与图像清晰联合学习方法，涉及计算机视觉人工智能技术领域，包括获取合成雾天数据集和真实雾天数据集，将合成雾天数据集作为训练数据集，将真实雾天数据集作为测试数据集；规定雾天或水下的图像，将图像作为系统的输入；将特征图输入到清晰化模块时，特征图与清晰化模块进行多尺度特征融合；在清晰化模块加入密集可形变注意力策略，得到清晰去雾图像；输出清晰去雾图像与目标检测图像。本发明可以同时完成图像清晰化、目标检测两个任务，通过将图像清晰化以增强后的图片特征与原图的目标识别特征进行多尺度的融合，能够提高对浓雾区域中小目标的识别准确率。

公开(公告)号：CN115272695A

公开(公告)日：2022-11-01

申请号：CN202210804230.8

申请日：2022-07-07

Applicant: 大连海事大学

Inventor： 屈雯 ,  赵萌

IPC: G06V10/44 ,  G06V10/74 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明一种基于视觉的物体可用性少样本分类方法，属于计算机视觉、人工智能领域，包括以下步骤：构建用于物体可用性分类的数据集；对数据集进行预处理，得到预处理后的数据集；将预处理后的数据集划分为类别互斥的训练集、验证集和测试集，分别将训练集和测试集；构建可用性少样本分类模型；将训练集数据输入到可用性少样本分类模型中，对可用性少样本分类模型进行训练，得到训练好的可用性少样本分类模型；将测试集数据输入到训练好的可用性少样本分类模型中，得到物体可用性少样本的分类；该方法的输出结果为未标注的查询图像的预测类别，该方法减少了由于类别分布不平衡且样本有限带来的过拟合现象。

公开(公告)号：CN113537397A

公开(公告)日：2021-10-22

申请号：CN202110919030.2

申请日：2021-08-11

Applicant: 大连海事大学

Inventor： 屈雯 ,  崔健 ,  国露露

IPC: G06K9/62 ,  G06K9/46 ,  G06N3/04 ,  G06N3/08 ,  G06T5/00

Abstract: 本发明提供一种基于多尺度特征融合的目标检测与图像清晰联合学习方法，涉及计算机视觉人工智能技术领域，包括获取合成雾天数据集和真实雾天数据集，将合成雾天数据集作为训练数据集，将真实雾天数据集作为测试数据集；规定雾天或水下的图像，将图像作为系统的输入；将特征图输入到清晰化模块时，特征图与清晰化模块进行多尺度特征融合；在清晰化模块加入密集可形变注意力策略，得到清晰去雾图像；输出清晰去雾图像与目标检测图像。本发明可以同时完成图像清晰化、目标检测两个任务，通过将图像清晰化以增强后的图片特征与原图的目标识别特征进行多尺度的融合，能够提高对浓雾区域中小目标的识别准确率。

公开(公告)号：CN117787400A

公开(公告)日：2024-03-29

申请号：CN202311858061.7

申请日：2023-12-29

Applicant: 大连海事大学

Inventor： 屈雯 ,  董雪松 ,  鲁明羽

IPC: G06N5/022 ,  G06F40/295 ,  G06F40/30 ,  G06F16/36 ,  G06V20/70 ,  G06V10/26 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/0985

Abstract: 本发明一种基于双流编码与对比学习的多模态知识图谱构建方法，包括以下步骤：获取待处理图像及文本；对待预处理的文本进行特征提取，采用文本编码器从特征提取后的文本中捕获文本的词法信息；对待预处理的图像采用SLIC超像素算法将其分割成多个区域；利用CNN对每个超像素进行特征提取，形成每个节点的特征，并利用超像素之间的邻接关系构建节点的邻接矩阵；利用事先构建好的邻接矩阵A和节点特征矩阵X，输入到双层的GCN模型中进行编码，从输入的图像中捕获基本视觉特征；基于捕获文本的词法信息及基本视觉特征，进行多模态对比学习，对多模态命名实体进行识别及多模态关系的抽提；基于识别的多模态命名实体及抽取的多模态关系，进行多模态知识图谱构建。

公开(公告)号：CN117392383A

公开(公告)日：2024-01-12

申请号：CN202311275300.6

申请日：2023-09-28

Applicant: 大连海事大学

Inventor： 屈雯 ,  李逍

IPC: G06V10/26 ,  G06V20/70 ,  G06V10/774 ,  G06V10/82 ,  G06V10/44 ,  G06V10/80 ,  G06F40/20 ,  G06N5/022 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明一种知识增强的跨模态物体视觉可供性的分割方法，包括以下步骤：获取IIT‑AFF和UMD数据集，对获取到的数据集进行训练集、验证集和测试集的划分；针对所有图片中的物体类别构建外部知识库，其中知识库中的内容包括但不限于物体的形状描述、功能描述等；对获取到的数据集进行预处理，构建自下而上的语言引导的可供性分割网络模型；基于训练集和验证集对自下而上的语言引导的可供性分割网络模型进行训练；将测试集数据输入到训练好的可供性分割网络模型中，实现自然语言指令中对应图片物体的可供性分割。本发明具有分割图像质量高、贴近现实场景、处理速度快的优点。