公开(公告)号：CN118918372A

公开(公告)日：2024-11-08

申请号：CN202410971507.5

申请日：2024-07-19

Applicant: 无锡学院

Inventor： 李子奇 ,  李丹阳 ,  张永宏 ,  尹贺峰 ,  王振宇

IPC: G06V10/764 ,  G06V10/774 ,  G06V20/10 ,  G06N3/0464

Abstract: 本发明公开了一种基于MCA注意力机制高效网络的遥感图像场景分类方法，该方法包括：获取遥感图像数据集并按比例划分为训练样本和测试样本；对遥感图像数据集进行预处理；构建MCA注意力模块；构建MCA‑EfficientNet B0网络模型；在MCA‑EfficientNet B0中加载ImageNet1K数据集上的预训练权重，然后将训练样本输入到网络模型中，通过反向传播算法不断优化带权重的交叉熵损失函数，调整网络参数，最后得到训练好的网络模型；将测试样本输入到训练好的网络模型中，得到遥感图像场景分类结果；与传统方法相比，本发明保持了较低的参数量和计算量，同时有着较好的遥感图像场景分类准确率。

公开(公告)号：CN117611921A

公开(公告)日：2024-02-27

申请号：CN202311795989.5

申请日：2023-12-22

Applicant: 无锡学院

Inventor： 李子奇 ,  李丹阳 ,  尹贺峰 ,  夏庆锋 ,  任珂 ,  郭婷婷 ,  王振宇

IPC: G06V10/764 ,  G06V10/774 ,  G06V40/16

Abstract: 本发明公开了一种基于局部约束鉴别性非负表示的分类方法及分类器，包括以下步骤：S1、获取测试样本和训练样本集，所述训练样本集的样本总类别数为K，所述训练样本集的训练样本总数为n；S2、对所述训练样本集中的样本进行归一化处理；S3、使用交替方向乘子法求解所述测试样本在所述训练样本集上的表示系数；S4、计算所述测试样本在所述训练样本集的每个类别上的残差；S5、根据残差进行分类，将所述测试样本识别为最小残差对应的类别。本发明通过充分考虑标签信息，直接约束表示分量而不是表示系数，架起了表示和识别阶段的桥梁；本发明可以有效处理人脸图像中的结构噪声，在识别口罩、围巾、太阳镜遮挡等人脸图像时仍能够保持较高的准确率。

公开(公告)号：CN119810563A

公开(公告)日：2025-04-11

申请号：CN202510043757.7

申请日：2025-01-10

Applicant: 无锡学院

Inventor： 李子奇 ,  李丹阳 ,  尹贺峰 ,  张永宏 ,  廖俊杰 ,  王振宇

IPC: G06V10/764 ,  G06V40/16 ,  G06V10/774 ,  G06F18/2431

Abstract: 本发明提供一种基于竞争和非负表示的分类方法及分类器，方法包括：获取训练样本集和测试样本；对训练样本集中的训练样本进行归一化处理；利用预设的Co‑NRC目标函数求解测试样本在归一化后的训练样本集上的表示系数；计算测试样本在归一化后的训练样本集中每个类别上的残差；根据残差进行分类，将测试样本识别为最小残差对应的类别；本发明在NRC的基础上引入了一个类竞争约束正则项，竞争约束可以创造一个激烈的竞争环境，让所有类都竞争的表示测试样本，在非负约束的基础上进一步地惩罚异质样本，使同质样本的表示贡献更大，有效地提升了分类准确率；本发明可以广泛运用于人脸识别、对象分类、视觉跟踪等任务，具有良好的应用前景。

公开(公告)号：CN119807932A

公开(公告)日：2025-04-11

申请号：CN202510163163.X

申请日：2025-02-14

Applicant: 无锡学院

Inventor： 李子奇 ,  李丹阳 ,  尹贺峰 ,  夏庆锋 ,  任珂 ,  郭婷婷 ,  廖俊杰 ,  王振宇

IPC: G06F18/2431 ,  G06V10/764

Abstract: 本发明公开一种基于仿射局部敏感的非负表示分类方法及装置，所述方法包括以下步骤：获取对照样本集，并对所述对照样本集进行预处理，得到对照集；其中，所述对照集中的对照样本分别属于若干个不同的样本类别；通过求解预设目标函数，得到待分类样本在所述对照集上的编码向量；其中，所述预设目标函数中包括局部约束矩阵；根据所述编码向量，计算所述待分类样本与各所述样本类别之间的残差，并根据所述残差，确定所述待分类样本对应的所述样本类别。本发明能够提高非负表示分类器的分类效率。