公开(公告)号：CN115375967A

公开(公告)日：2022-11-22

申请号：CN202210975326.0

申请日：2022-08-15

Applicant: 杭州电子科技大学 ,  北京中电华大电子设计有限责任公司

Inventor： 李建军 ,  叶茵 ,  陈挺 ,  李胜炎 ,  陈威特

IPC: G06V10/774 ,  G06V20/00 ,  G06V10/34 ,  G06F11/36

Abstract: 本发明涉及一种基于MCU‑AI的多场景自适应识别方法。其实现步骤为(1)批量图像输入和预处理(2)自适应图像增强(3)获取预设模型框架，通过AutoML从多个模型框架中选择适合的网络模型进行批量图像训练。(4)量化并转换模型(5)添加随机波动，并不断重复测试，选取最好的量化参数。并以此重新进行训练后量化操作(6)测试执行，重新对感知量化后的模型进行评估测试精度。本发明设计了一种基于MCU‑AI的多场景自适应识别方法，旨在针对多个不同数据集实现自适应图像增强以及网络模型选择，不断改进量化感知参数，以提升部署到MCU中的模型整体性能。

公开(公告)号：CN115376164A

公开(公告)日：2022-11-22

申请号：CN202210975109.1

申请日：2022-08-15

Applicant: 杭州电子科技大学 ,  北京中电华大电子设计有限责任公司

Inventor： 李建军 ,  叶茵 ,  陈威特 ,  李胜炎 ,  陈挺

IPC: G06V40/12 ,  G06V10/30 ,  G06V10/74 ,  G06V10/774 ,  G06V10/764 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于知识蒸馏网络的MCU指纹识别方法。包括1)批量图像输入和预处理；2)利用CNN卷积神经网络进行特征提取；3)利用三元组损失函数对提取到的指纹特征图进行无监督训练，并比较高维特征图之间的余弦相似度，从而得出同类指纹及异类指纹之间的相似程度并用于评估；4)使用量化感知策略，在量化的过程中，对网络进行训练，从而减小模型尺寸大小，减少模型内存占用，加快模型推理速度，降低功耗；5)利用知识蒸馏技术将复杂模型中的知识迁移到简单模型中；6)执行测试，对训练好的学生网络进行图像相似度评估。

公开(公告)号：CN117275048A

公开(公告)日：2023-12-22

申请号：CN202311273312.5

申请日：2023-09-28

Applicant: 杭州电子科技大学

Inventor： 李建军 ,  陈威特 ,  叶茵 ,  陈挺 ,  林乃键 ,  闫志峰

IPC: G06V40/12 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/80

Abstract: 本发明公开了一种基于全局特征和局部细节点特征融合的指纹识别方法。本发明步骤包括(1)批量的图像输入和预处理；(2)利用CvT模型网络进行特征提取；(3)使用CNN卷积神经网络来获取指纹图像的细节点信息；(4)通过设定阈值对得到的细节点分数图进行细节点筛选，最后获取得到细节点信息；(5)执行测试，通过得到的全局特征图和细节点信息，对训练好的学生网络进行图像相似度评估。本发明旨在通过指纹全局特征和细节点局部特征融合的方法，实现指纹全局信息和局部信息的互补来达到指纹的高精度识别。

公开(公告)号：CN116596037A

公开(公告)日：2023-08-15

申请号：CN202310571199.2

申请日：2023-05-17

Applicant: 杭州电子科技大学

Inventor： 李建军 ,  陈挺 ,  陈威特 ,  林乃健 ,  叶茵 ,  闫志峰

IPC: G06N3/0464 ,  G06N3/082 ,  G06V10/764 ,  G06V10/20 ,  G06V10/82 ,  G06V10/778

Abstract: 本发明公开了一种基于结构重参数化的模型优化方法。本发明步骤包括：1、确定当前模型是否包括卷积、残差结构；2、确定当前模型的数据集类型，对不同的数据进行增强图像；3、对当前模型进行结构复杂化，将当前模型中3x3卷积结构改写多分支结构，得到复杂模型；然后用确定的数据集训练该复杂模型，得到训练好的复杂模型的模型权重；4、基于结构重参数化替换复杂模型中的分支结构，将复杂模型中的分支结构等价替换为单个卷积核大小相同的3x3卷积结构，同时删除复杂模型中梯度为0的通道，得到裁剪后的模型；5、测试裁剪过的模型，进行评估测试精度。本发明的优势在于使用结构重参数化实现剪枝和重构，适用范围广、模型精确度高、鲁棒性强。