公开(公告)号：CN117593598A

公开(公告)日：2024-02-23

申请号：CN202311403413.X

申请日：2023-10-26

Applicant: 海南大学

Inventor： 张卫东 ,  郭新力 ,  章海波 ,  陆锦辉 ,  熊明磊 ,  束锋 ,  陈俊 ,  郭威 ,  耿雄飞 ,  薛珊 ,  张义博 ,  王嘉良 ,  张安民 ,  金春雷

IPC: G06V10/771 ,  G06V10/762 ,  G06V10/30 ,  G06N3/088 ,  G06V10/82

Abstract: 本发明涉及一种基于谱松弛嵌入的无监督特征选择方法、装置及介质，其中方法包括以下步骤：获取用户输入的图像数据集并进行预处理；对数据集中的样本图像矩阵进行滤波降噪；根据样本图像矩阵计算局部拉普拉斯谱，建立基于谱松弛嵌入的向量式无监督特征选择模型；对无监督特征选择模型的多个变量进行迭代学习至收敛；根据迭代学习得到的无监督特征选择模型，计算各个特征对应的评价指标；根据评价指标值，从大到小依次选择预设数量的特征数，完成特征选择。与现有技术相比，本发明具有易于实现、方便快捷、可以根据需要选择所需的数据维度等优点。

公开(公告)号：CN115797621A

公开(公告)日：2023-03-14

申请号：CN202211422460.4

申请日：2022-11-14

Applicant: 海南大学

Inventor： 张卫东 ,  任相璇 ,  贺通 ,  覃善兴 ,  熊明磊 ,  章海波 ,  胡小波 ,  何鹭飞 ,  左勇

IPC: G06V10/25 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/74 ,  G06V10/762 ,  G06V10/82

Abstract: 本发明涉及机器视觉的中的目标检测领域，具体涉及一种基于可分辨特征的半监督物体检测系统及其训练方法，系统包括：输入图像特征提取模块、可分辨特征敏感的区域建议模块、可分辨特征提取与存储模块、可分辨特征的数据增强模块和物体识别与定位模块；所述训练方法包括：步骤1：确定目标检测网络，并搭建如上所述的系统；步骤2：收集应用场景数据集，所述应用场景数据集包括有标签数据和无标签数据；步骤3：使用所述应用场景数据集对系统进行训练；步骤4：迭代前一步骤，直到训练的系统模型达到理想物体检测效果。通过本发明，提高模型对数据的利用能力，有效解决半监督学习中过分依赖有标签数据而对无标签数据利用不足的问题。

公开(公告)号：CN115019169A

公开(公告)日：2022-09-06

申请号：CN202210603898.6

申请日：2022-05-31

Applicant: 海南大学

Inventor： 张卫东 ,  陈丽 ,  柏林 ,  熊明磊 ,  董超 ,  杨云祥 ,  覃善兴 ,  孙永强

IPC: G06V20/10 ,  G06V10/82 ,  G06V10/80 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种水面小目标检测方法及装置，该方法包括进行图像采集，并对采集到的图像进行数据增强，以扩充数据；对采集到的图像进行特征提取，并生成对应的特征图；引入特征金字塔结构和稀疏注意力机制，对不同尺度的特征图进行信息融合；对信息融合后的特征向量进行加权处理；采用Focal Loss函数来平衡信息融合后的特征向量的正负样本数。本发明通过引入新的数据增强方式和特征信息融合方式，采用特征金字塔结构和稀疏注意力机制相结合，增强了对水面小目标的检测性能，减少了目标漏检、错检的情况。