公开(公告)号：CN115049941A

公开(公告)日：2022-09-13

申请号：CN202210738442.0

申请日：2022-06-27

Applicant: 无锡学院

Inventor： 苏宇轩 ,  李子奇 ,  施林枫 ,  廖俊杰

IPC: G06V20/13 ,  G06V10/82 ,  G06V10/764 ,  G06V10/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种改进的ShuffleNet卷积神经网络及其遥感图像的分类方法，该方法构建并训练ShuffleNet卷积神经网络，获取图像数据集并将图像数据集中的数据划分为训练集和测试集，对图像数据集进行预处理，并裁剪成分辨率为224×224的图像，将裁剪后的图像输入到Conv1层进行卷积运算，并对训练集中的图像进行特征提取，将特征提取后的图像输入到最大重叠池化层，将最大重叠池化层处理后的图像输入到ShuffleNet V2网络组成的三个阶段中，将第三个阶段输出的图像依次输入到Conv5层、SE模块、全局平均池化层、全连接层中，得到训练好的ShuffleNet卷积神经网络，将测试集输入至训练好的ShuffleNet卷积神经网络，得到图像分类结果。本发明可以有效地减少网络的内存占用量，有着较好的分类准确率。

公开(公告)号：CN117710381A

公开(公告)日：2024-03-15

申请号：CN202311697900.1

申请日：2023-12-11

Applicant: 无锡学院

Inventor： 李燕 ,  施林枫 ,  李军 ,  朱希 ,  陈娟 ,  樊新宇 ,  陈芹

IPC: G06T7/10 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种基于Transformer和CNN的双分支网络的图像分割方法及系统，方法包括以下步骤：获取芯片X光图像，并对芯片X光图像进行预处理；建立交互式双分支网络模型，所述交互式双分支网络模型由CNN分支网络、PVTv2模型、融合模块，CNN分支网络、Transformer分支网络的输出端分别连接有语义分割头和辅助分割头；其中，CNN分支网络由通道压缩的Resnet18模型为基础框架，Resnet18模型包括第一残差模块‑第四残差模块，第一残差模块包括Stem模块和两个残差块Res block，第二残差模块‑第四残差模块均包括最大池化层和两个残差块Res block。本发明建立基于Transformer分支网络和CNN分支网络的交互式双分支网络模型，从输入端开始建立图像全局和局部之间的信息交流，提升芯片X光图像的分割精度。