-
公开(公告)号：CN116721302B
公开(公告)日：2024-01-12
申请号：CN202311002748.0
申请日：2023-08-10
Applicant: 成都信息工程大学 , 中国气象局人工影响天气中心
IPC: G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及一种基于轻量级网络的冰雪晶粒子图像分类方法，属于计算机视觉技术领域，包括：使用包含多个分类的冰雪晶粒子图像的训练样本数据集对搭建好的网络模型进行训练，并使用冰雪晶粒子图像的测试数据集对网络模型进行冰雪晶粒子图像进行分类测试验证，选择性能最好的模型参数进行保存；将获取的冰雪晶粒子图像输入到经过训练和测试的网络模型中，对冰雪晶粒子图像进行特征提取和类别的推理计算，得到一个预测的类别从而实现对冰雪晶粒子图像的自动分类。本发明通过深度可分离空洞卷积层能有效融合全局和局部特征，对于冰雪晶粒(56)对比文件CN 114266898 A,2022.04.01CN 114445430 A,2022.05.06CN 110427990 A,2019.11.08CN 115049941 A,2022.09.13CN 114882234 A,2022.08.09CN 116524432 A,2023.08.01CN 115496951 A,2022.12.20CN 116229283 A,2023.06.06CN 114724019 A,2022.07.08CN 114937151 A,2022.08.23CN 111539314 A,2020.08.14CN 111553193 A,2020.08.18石强等.基于改进YOLOX的接触网U型抱箍开口销检测算法《.国外电子测量技术》.2023,第42卷(第7期),154-163.Wang, X等.End-to-end aerial scenesclassification with depthwise separableconvolution and an attention mechanism.《IEEE Journal of Selected Topics inApplied Earth Observations and RemoteSensing》.2021,第14卷10484-10499.马莉等.基于双流CNN 与Bi－LSTM的施工人员不安全行为轻量级识别模型《.西安科技大学学报》.2022,第42卷(第4期),809-817.
-
公开(公告)号：CN111861924B
公开(公告)日：2023-09-22
申请号：CN202010715325.3
申请日：2020-07-23
Applicant: 成都信息工程大学
IPC: G06T5/00
Abstract: 本发明涉及一种基于进化GAN的心脏磁共振图像数据增强方法，该方法在训练生成器时，对生成器进行突变生成多个子代生成器，通过适应性分数函数来评判多个生成器的适应性分数，根据分数来选择最优的子代生成器作为下一个迭代的父代生成器，同时在判别器训练阶段，结合特征向量的线性插值合成新的训练样本并生成相关的线性插值标签，不仅拓展了整个训练集的分布，也对离散样本空间进行连续化并且提高了领域间的平滑性，从而使得模型能够更好地得到训练。本发明的方法图像增强方法，能够生成高质量且多样的样本对训练集进行扩充，最终提高了分类结果的各项指标。
-
公开(公告)号：CN108921800A
公开(公告)日：2018-11-30
申请号：CN201810667226.5
申请日：2018-06-26
Applicant: 成都信息工程大学
IPC: G06T5/00
CPC classification number: G06T5/002 , G06T2207/10004 , G06T2207/20004
Abstract: 本发明公开了基于形状自适应搜索窗口的非局部均值去噪方法，包括：步骤1：输入噪声图像V，步骤2：计算噪声图像V在水平方向的梯度图像Vx和垂直方向的梯度图像Vy；步骤3：计算噪声图像V所对应的结构张量T(s,σ)；步骤4：计算得到当前像素i的形状自适应搜索窗口ASi；步骤5：划分图像块，计算相似性权重值w(i,j)；步骤6：计算得到当前像素i去噪后的像素值 步骤7：逐行逐列扫描，依次对噪声图像V中的每一像素进行步骤4到步骤6的处理过程，直到处理完所有像素，输出去噪后的图像 本发明方法使得到的估计值更接近真实值，对图像中边缘和纹理细节信息具有更好地保护能力，取得的去噪效果优于大小和形状固定搜索窗口的非局部均值去噪方法。
-
公开(公告)号：CN113822368B
公开(公告)日：2023-06-20
申请号：CN202111153974.X
申请日：2021-09-29
Applicant: 成都信息工程大学
IPC: G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明涉及图像识别领域，具体公开了一种基于无锚的增量式目标检测方法，包括以下步骤：步骤1、选取目标检测模型；步骤2、基于步骤1的目标检测模型，构建小样本目标检测模型；步骤3、对所述小样本目标检测模型进行元训练；步骤4、对训练后的小样本目标检测模型进行元测试。本发明在大量含丰富标签的基类数据(图像)和少量含标签的小样本(few‑shot)新类的训练下，提升了对新类测试图片的检测效果，即提高mAP和AR分数的提升。
-
公开(公告)号：CN115359372A
公开(公告)日：2022-11-18
申请号：CN202210878119.3
申请日：2022-07-25
Applicant: 成都信息工程大学
IPC: G06V20/17 , G06V20/40 , G06V10/82 , G06V10/80 , G06V10/774 , G06V10/74 , G06V10/44 , G06T7/269 , G06T7/246 , G06T7/13 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于光流网络的无人机视频运动目标检测方法，所述光流网络包括特征语义提取网络、上下文提取网络、视觉相似度计算模块、MobileViT‑CBAM模块和GRU迭代更新模块，特征语义提取网络和上下文提取网络的RepVGG特征提取模块，即保留了多分支结构的性能优势，进一步融合了细节信息和语义信息，使提取的特征表达能力更强，提高了检测精度。同时利用机构重参数化思想变为单路结构，又进一步提高了推理速度，减少显存占用。针对CNN缺乏全局信息的提取能力，采用MobileViT‑CBAM模块作为单独的附加模块，使用CNN和Transformer结合的方式，以获得更多的特征信息和细节信息，达到更精确的光流估计，得到更精确的目标分割结果。
-
Patent Agency Ranking
公开(公告)号：CN111861924A
公开(公告)日：2020-10-30
申请号：CN202010715325.3
申请日：2020-07-23
Applicant: 成都信息工程大学
IPC: G06T5/00
Abstract: 本发明涉及一种基于进化GAN的心脏磁共振图像数据增强方法，该方法在训练生成器时，对生成器进行突变生成多个子代生成器，通过适应性分数函数来评判多个生成器的适应性分数，根据分数来选择最优的子代生成器作为下一个迭代的父代生成器，同时在判别器训练阶段，结合特征向量的线性插值合成新的训练样本并生成相关的线性插值标签，不仅拓展了整个训练集的分布，也对离散样本空间进行连续化并且提高了领域间的平滑性，从而使得模型能够更好地得到训练。本发明的方法图像增强方法，能够生成高质量且多样的样本对训练集进行扩充，最终提高了分类结果的各项指标。
-
公开(公告)号：CN119478555A
公开(公告)日：2025-02-18
申请号：CN202510045950.4
申请日：2025-01-13
Applicant: 成都信息工程大学 , 中国气象局人工影响天气中心
IPC: G06V10/764 , G06V10/44 , G06V10/82 , G06V10/80 , G06V20/69 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种冰雪晶粒子的图像识别系统及方法，所述系统包括：图像获取器，获取图像数据并预处理得到目标图像；冰雪晶粒子特征提取模型，接收目标图像输入并进行特征提取，由四个模组串联的嵌入单元和自适应大核注意力单元构成，其中嵌入单元接收目标图像并生成高维嵌入特征图，自适应大核变换单元以大核注意力模块的大感受野精准捕获粒子细粒度空间特征，并引入特征通道尺度感知，使模型聚焦关键特征，再通过反瓶颈前馈模块进行特征聚合；最终，分类器接收识别模型的特征输出，运用困难度调节损失优化得到最终识别结果。本发明能够精准识别表征云微物理过程的云粒子图像。
-
公开(公告)号：CN112733968A
公开(公告)日：2021-04-30
申请号：CN202110343928.X
申请日：2021-03-31
Abstract: 本发明属于计算机视觉技术领域，公开了一种嵌入超图卷积层的深度学习冰晶粒子图像分类方法。本发明设计并实现了一个嵌入了超图结构的卷积神经网络模型，该超图结构可以有效地从局部和全局特征空间中获取信息，可以更好地捕捉到远端顶点之间的关系，获得更深层的特征信息，有助于学习样本数不平衡的冰晶数据集中小样本的特征，以提高模型的泛化能力，即便在样本分布不均衡数据学习情况下，仍能取得较好的分类效果。本发明可解决传统阈值分类方法中存在的冰晶分类结果具有主观性、不稳定性和预测精度较低的问题，可解决在样本分布不平衡数据集中数据量较少类别的分类精度较低的问题，可使冰晶粒子图像实现较高精度的自动分类。
-
公开(公告)号：CN107622225B
公开(公告)日：2020-04-03
申请号：CN201710620955.0
申请日：2017-07-27
Applicant: 成都信息工程大学
IPC: G06K9/00
Abstract: 本发明涉及一种基于独立分量分析网络的人脸识别方法，所述方法包括以下步骤：步骤1：对输入的人脸图像进行裁剪、对齐、归一化预处理；步骤2：采用一组已经训练好的ICA滤波得到一组映射图像；步骤3：对每张映射图像进行非线性与池化处理以获取更高效的特征映射图像；步骤4：对每张映射图像进行分块的LBP编码，然后全部串起来得到特征表达；步骤5：对特征表达进行WPCA降维，最后采用余弦相似测量对两张人脸图像进行识别验证。本发明采用训练好的ICA滤波应用到CNN中构成单身网络，基于ICA滤波不同的感知区域得到多尺度信息。在人脸识别中能够保证较高的识别率，同时有效地降低计算量，便于推广应用。
-
公开(公告)号：CN116721302A
公开(公告)日：2023-09-08
申请号：CN202311002748.0
申请日：2023-08-10
Applicant: 成都信息工程大学 , 中国气象局人工影响天气中心
IPC: G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及一种基于轻量级网络的冰雪晶粒子图像分类方法，属于计算机视觉技术领域，包括：使用包含多个分类的冰雪晶粒子图像的训练样本数据集对搭建好的网络模型进行训练，并使用冰雪晶粒子图像的测试数据集对网络模型进行冰雪晶粒子图像进行分类测试验证，选择性能最好的模型参数进行保存；将获取的冰雪晶粒子图像输入到经过训练和测试的网络模型中，对冰雪晶粒子图像进行特征提取和类别的推理计算，得到一个预测的类别从而实现对冰雪晶粒子图像的自动分类。本发明通过深度可分离空洞卷积层能有效融合全局和局部特征，对于冰雪晶粒子这种在尺度和结构上存在微小差异的细节特征能有较好的分类效。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.021 seconds)
