公开(公告)号：CN119360415A

公开(公告)日：2025-01-24

申请号：CN202411429963.3

申请日：2024-10-14

Applicant: 北京林业大学

Inventor： 张军国 ,  赵恩庭 ,  张长春 ,  李大方 ,  徐明宇 ,  陈嘉奇 ,  潘旭彬

IPC: G06V40/10 ,  G06V40/20 ,  G06V10/74 ,  G06V10/764 ,  G06V10/82 ,  G06N3/02

Abstract: 本发明涉及图像增强技术领域，尤其涉及联合先验知识和扩散模型的野生动物长尾数据增强方法；本发明包括如下内容：包括以下内容：S1、构建野生动物识别模型，结合大规模语言模型引入额外的先验知识，以获得丰富有效的环境表征、动作表征的文本描述；S2、使用潜在扩散模型作为基本生成器，整合S1中所生成的文本描述，以提高生成图像的质量和多样性；S3、采用对比语言‑图像预训练模型筛选负样本，以增强野生动物长尾数据。本发明解决了野生动物长尾数据对模型训练的影响，增强了模型对于尾部类别的识别性能，进一步提高了野生动物模型的识别能力。

公开(公告)号：CN119206789A

公开(公告)日：2024-12-27

申请号：CN202411368901.6

申请日：2024-09-29

Applicant: 北京林业大学

Inventor： 张军国 ,  赵恩庭 ,  张长春 ,  徐明宇 ,  李大方 ,  潘旭彬 ,  李京航

IPC: G06V40/10 ,  G06V10/44 ,  G06N3/0464 ,  G06N3/094 ,  G06N3/048 ,  G06V10/764 ,  G06V10/82 ,  G06N3/096

Abstract: 本发明提出一种基于融合感知对抗网络的野生动物图像跨域识别方法，属于图像识别技术领域；本发明包括如下内容：采用ResNet50作为主干网络提取图像底层特征，实现模型获取图像特征的语义信息；采用对抗学习策略，实现模型对域不变特征的提取；在全连接层之间引入最大均值差异约束，扩展对抗网络在复杂背景下提取域不变特征能力；通过两层域适应策略提取域不变特征，增强模型的正迁移，实现野生动物图像的跨域识别；相较于现有技术，本发明有效提升了野生动物大规模图像数据的处理效率以及不同环境下野生动物图像的识别准确率。

公开(公告)号：CN119107505A

公开(公告)日：2024-12-10

申请号：CN202411256150.9

申请日：2024-09-09

Applicant: 北京林业大学

Inventor： 张长春 ,  赵恩庭 ,  张军国 ,  徐明宇 ,  李大方 ,  张欢 ,  袁志浩

IPC: G06V10/764 ,  G06V40/10 ,  G06V10/82 ,  G06V20/52 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明公开了基于改进开集域适应的野生动物监测图像跨域识别方法，属于图像识别技术领域；本发明所提出的方法包括如下内容：引入基于对抗学习的开集域适应方法，训练一个弱分类器将目标域的未知类样本识别，为未知类建立伪决策边界；其次，通过对抗学习，对齐源域和目标域已知类别的特征分布，实现已知类别的识别；最后，引入中心损失，对源域的已知类别的类内变化之间建立联系，提高决策边界的判别能力，帮助模型正确分类已知类别，同时提高模型对于未知类别的识别能力。

公开(公告)号：CN117095297A

公开(公告)日：2023-11-21

申请号：CN202311165265.2

申请日：2023-09-11

Applicant: 北京林业大学

Inventor： 张军国 ,  赵雨诺 ,  张长春

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06Q50/26 ,  G06V10/774 ,  G06N3/084

Abstract: 本发明涉及森林火灾烟雾检测技术领域，特别是指一种基于深度卷积对抗域对齐的林火烟雾图像识别方法，包括，预先构建联合对抗学习及域对齐特征网络；获取林火烟雾图像数据，根据所述林火烟雾图像数据构建林火烟雾图像数据集；用联合对抗学习及域对齐特征网络中的特征提取网络对所述林火烟雾图像数据集进行特征提取，将提取后的特征同时被送入联合对抗学习及域对齐特征网络中的标签分类器进行图像分类和对抗特征自适应网络进行域判别；最后，对分类损失和域判别损失进行高效的联合优化。本发明解决了识别准确度和域偏移两个挑战，提高模型在不同林区检测环境的稳定性和泛化能力，实现森林火灾烟雾的高精度识别，提高烟雾检测的效率和性能。

公开(公告)号：CN114998801A

公开(公告)日：2022-09-02

申请号：CN202210645586.1

申请日：2022-06-09

Applicant: 北京林业大学

Inventor： 张军国 ,  李婷婷 ,  胡春鹤 ,  田野 ,  张长春

IPC: G06V20/40 ,  G06T7/215 ,  G06T7/246 ,  G06T7/254 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于对比自监督学习网络的森林火灾烟雾视频检测方法，步骤包括：获取森林火灾烟雾视频，根据所述森林火灾烟雾视频建立烟雾视频数据集；采用预先构建的对比自监督学习网络对所述烟雾视频数据集进行特征学习，得到连续视频帧的注意力特征图；根据所述连续视频帧的注意力特征图进行运动物体检测，并获取检测结果。本发明基于对比自监督学习方法并搭建以交叉双通道网络为骨干网络的无监督自蒸馏网络，提取复杂环境背景烟雾视频特征并学习语义信息，得到连续视频帧的注意力特征图并确定关注区域运动目标，实现森林火灾烟雾视频的高精度识别和定位，提高烟雾检测效率和性能，适用于检测背景环境复杂、距离远的早期森林火灾小目标烟雾视频。