-
公开(公告)号：CN116778248A
公开(公告)日：2023-09-19
申请号：CN202310768604.X
申请日：2023-06-27
Applicant: 桂林理工大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明涉及神经网络搜索领域，并且更具体地，涉及一种基于神经网络架构搜索的细粒度花卉图像分类方法，首先在改善搜索空间阶段,为了充分提取花卉图像中显著特征,把注意力机制添加到搜索空间中每一个候选卷积操作之前构造新的搜索空间；并为了减少reductioncell在下采样时带来的信息损失同时融合更多尺度的特征,重新为reductioncell设计了输入节点更多和连接更为密集的连接规则，然后在搜索最佳Cell阶段,采用梯度下降的方法搜索最佳的normalcell和reductioncell，最后在堆叠和测试阶段,堆叠搜索到的最佳Cell构建最终的神经网络架构用于花卉图像分类。
-
公开(公告)号：CN112270206A
公开(公告)日：2021-01-26
申请号：CN202011027247.4
申请日：2020-09-25
Applicant: 桂林理工大学
Abstract: 本发明提出了一种车辆检测计数方法、系统、储存介质及计算机设备，针对车辆状态检测存在漏检和误检率高等问题，通过将定量坐标位置的车辆目标检测转换为定性相对状态的车辆状态检测，同时使用深层次的注意力优化更浅层的权重信息和利用最大化的方式获取显著的特征映射，运用基于车辆状态的计数算法完成了车辆计数，并减少了计数过程中的有效计数区域，在获得整体更好的计数效果的情况下，还减少了约47.36～70.53％的过检测目标。
-
公开(公告)号：CN112465838B
公开(公告)日：2023-01-31
申请号：CN202011436059.7
申请日：2020-12-10
Applicant: 桂林理工大学
IPC: G06T7/11 , G06V10/764 , G06N3/0464 , G06N3/08
Abstract: 本发明针对现有技术的应用过程过于复杂且难以复现的技术问题，提出了一种陶瓷晶粒图像分割方法、系统、储存介质及计算机设备，其通过基于编码‑解码模型架构对包括子网络的搜索空间进行限定，将所述搜索空间分为多分支式结构的编码空间以及链式结构的解码空间同时进行神经网络架构搜索，自动为陶瓷晶粒图像分割任务构建出能够融合深浅层特征并对特征图信息进行精细捕获的神经网络模型，其图像分割性能优越，且省去了原来复杂而繁琐的工作量，大幅提高了深度神经网络在陶瓷晶粒图像分割上的应用效率。
-
公开(公告)号：CN113989288A
公开(公告)日：2022-01-28
申请号：CN202111076764.5
申请日：2021-09-14
Applicant: 桂林理工大学
Abstract: 本发明提供一种基于反向通道填充CNN和水平集的色素性皮损图像分割方法，该方法基于反向通道填充CNN和联合后向传播学习算法，基于注意力机制获取目标的大致空间位置，并通过反向通道填充增强目标的空间位置特征，提高了CNN输出目标位置的准确性；进一步，将CNN学习的特征能量输入到水平集分割模型中，驱动水平集演化，建立联合CNN和水平集的后向传播学习算法，进一步提高分割精度。
-
公开(公告)号：CN113592061A
公开(公告)日：2021-11-02
申请号：CN202110683600.2
申请日：2021-06-22
Applicant: 桂林理工大学
Abstract: 针对传统深度卷积神经网络搭建依赖大量专家经验的问题，本发明公开了一种用于缺陷识别的神经网络架构搜索方法，以减少人工搭建网络的过程。其方法包括三个方面，首先为构建搜索空间，方法基于MobileNetV2为搜索空间，但是做出了如下改变：构建三种不同扩增倍数的深度可分离卷积，并将激活函数换为LeakyRelu。其次为搜索方法：将不同通道数与不同堆叠层数的block放入4个阶段中互相选择，从而得到每个block的输入与输出信息。接着，松弛block并定义损失函数，以梯度下降的方式得到在不同通道数中block的最佳堆叠方式。最后，采用一种固定连接并以通道数递增的方式得到最终的网络结构。
-
Patent Agency Ranking
公开(公告)号：CN102103409A
公开(公告)日：2011-06-22
申请号：CN201110024733.5
申请日：2011-01-20
Applicant: 桂林理工大学
IPC: G06F3/01
Abstract: 本发明公开了基于运动轨迹识别的人机交互方法及装置。该方法包括步骤：标识物启用检测、标识物跟踪和轨迹识别，根据用户操作标识物运动所形成的轨迹，识别轨迹的类型并触发相应的计算机控制命令来操控计算机。该装置包括标识物，图像采集模块和图像处理模块，首先通过图像采集模块实时采集用户操作标识物的图像，然后输入到图像处理模块中进行标识物启用检测、跟踪和轨迹识别，最后将轨迹识别种类转化成对应的计算机控制命令。本发明提供了一种简单、便捷的人机交互方式，能实现远距离的操控计算机。
-
公开(公告)号：CN114998285A
公开(公告)日：2022-09-02
申请号：CN202210688616.7
申请日：2022-06-17
Abstract: 本发明提供一种基于神经网络架构搜索的工业产品盲检目标检测方法，该方法设计了一个XOR通道融合模块，用于解决多分支接入带来的特征混淆和冗余问题。利用深浅层特征映射之间的互补性，在多分支接入时，通过XOR通道融合模块在通道层面上对不同尺度的特征映射进行XOR融合；提出了一种逐渐剪枝的搜索策略，在搜索过程中不断剪枝，高效的构建多分支CNN架构同时缩小搜索和评估之间的差距，生成的多分支CNN结构，可以在深层特征中融入浅层特征，提高小目标检测能力；将搜索出的模型作为YOLOv4的主干网络，达到了更高的检测精度。
-
公开(公告)号：CN113240055B
公开(公告)日：2022-06-14
申请号：CN202110681578.8
申请日：2021-06-18
Applicant: 桂林理工大学
Abstract: 本发明提供一种基于宏操作变异神经架构搜索的色素性皮损图像分类方法，该方法针对基于人工设计CNN的色素性皮损图像分类方法需要丰富的神经网络设计经验和大量的参数调优的问题，提出了一种基于宏操作变异神经架构搜索的色素性皮损图像分类方法以自动构建面向色素性皮损图像分类的卷积神经网络。首先，通过使用宏操作变异不断地改变父代神经架构的操作类型和连接方式来产生子代，最后进化出一个高性能的色素性皮损分类神经网络。实验结果表明，MOM‑NAS搜索到的卷积神经网络能够取得与前沿方法接近或更好的分类性能，在HAM10000和ISIC2017数据集上分别取得了72.4％和58.5％的平均敏感度。
-
公开(公告)号：CN113240055A
公开(公告)日：2021-08-10
申请号：CN202110681578.8
申请日：2021-06-18
Applicant: 桂林理工大学
Abstract: 本发明提供一种基于宏操作变异神经架构搜索的色素性皮损图像分类方法，该方法针对基于人工设计CNN的色素性皮损图像分类方法需要丰富的神经网络设计经验和大量的参数调优的问题，提出了一种基于宏操作变异神经架构搜索的色素性皮损图像分类方法以自动构建面向色素性皮损图像分类的卷积神经网络。首先，通过使用宏操作变异不断地改变父代神经架构的操作类型和连接方式来产生子代，最后进化出一个高性能的色素性皮损分类神经网络。实验结果表明，MOM‑NAS搜索到的卷积神经网络能够取得与前沿方法接近或更好的分类性能，在HAM10000和ISIC2017数据集上分别取得了72.4％和58.5％的平均敏感度。
-
公开(公告)号：CN112465838A
公开(公告)日：2021-03-09
申请号：CN202011436059.7
申请日：2020-12-10
Applicant: 桂林理工大学
Abstract: 本发明针对现有技术的应用过程过于复杂且难以复现的技术问题，提出了一种陶瓷晶粒图像分割方法、系统、储存介质及计算机设备，其通过基于编码‑解码模型架构对包括子网络的搜索空间进行限定，将所述搜索空间分为多分支式结构的编码空间以及链式结构的解码空间同时进行神经网络架构搜索，自动为陶瓷晶粒图像分割任务构建出能够融合深浅层特征并对特征图信息进行精细捕获的神经网络模型，其图像分割性能优越，且省去了原来复杂而繁琐的工作量，大幅提高了深度神经网络在陶瓷晶粒图像分割上的应用效率。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.021 seconds)
