-
公开(公告)号：CN107330444A
公开(公告)日：2017-11-07
申请号：CN201710396148.5
申请日：2017-05-27
Applicant: 苏州科技大学
CPC classification number: G06F17/30247 , G06K9/6256
Abstract: 本发明公开了一种基于生成对抗网络的图像自动文本标注方法，包括以下步骤：由生成器产生假的语句，同时重新构建一个判别器，将生成的语句和真实语句输入进行训练，直至判别器无法判别出真实语句和生成语句。本发明改变了CNN-RNN图像自动语句标注中产生句子生硬、死板的问题，并且使得生成的句子更为准确、自然、多样性，生成的语句可以面对现实中更为复杂的景象，更加符合人类的语言表达方式标注图像，在实际中有着更为广泛的应用。
-
公开(公告)号：CN111915644B
公开(公告)日：2023-07-04
申请号：CN202010657633.5
申请日：2020-07-09
Applicant: 苏州科技大学 , 苏州佳图智绘信息技术有限公司
IPC: G06T7/246 , G06V10/82 , G06N3/0464 , G06V10/80 , G06N3/08
Abstract: 本发明公开了一种孪生导向锚框RPN网络的实时目标跟踪方法。本发明一种孪生导向锚框RPN网络的实时目标跟踪方法，包括：S1.分别将大小为127×127×3的模板帧和256×256×3的检测帧输入到孪生网络中的对应输入端口；S2.将通过孪生网络提取得到的特征分别输入到导向RPN(GA‑RPN)网络的目标分类分支和位置回归分支，得到对应的分数图；S3.将导向RPN网络得到的分类分数图和位置回归分数图结果融合，然后进行插值计算，即可得到跟踪的结果。本发明的有益效果：解决孪生RPN目标跟踪网络的精度较低和速度较低的问题。
-
公开(公告)号：CN110852972B
公开(公告)日：2022-10-18
申请号：CN201911095524.2
申请日：2019-11-11
Applicant: 苏州科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于卷积神经网络的单图像去雨方法。本发明首先，我们并未使用导向滤波或者其他滤波分离图像以尽可能地保留图像的原始信息。其次，我们提出了我们的RK块来代替残差块以更高效地提取特征。最后，我们提出了特征转换连结操作来处理多尺度雨线。此外，批正则化操作假设了特征都有着相同的分布，然而不同的雨线有着不同的方向、颜色和形状，因此我们移除了网络中所有的批正则化操作。本发明的有益效果：以卷积神经网络为基础，设计一类较为简洁、高效的单步单流去雨网络模型，以便更好地修复带雨图像，同时保持修复质量和模型大小之间的平衡。
-
公开(公告)号：CN113780027A
公开(公告)日：2021-12-10
申请号：CN202110945636.3
申请日：2021-08-16
Applicant: 苏州科技大学 , 苏州市人民政府办公室 , 苏州市信息中心(苏州市电子政务中心)
Abstract: 本发明公开了一种基于增广图卷积的多标签物体识别方法、装置、设备以及计算机可读存储介质，为了抑制在新任务模型收敛时，旧任务多标签模型参数改变的问题以及在类递增数据流下跨任务关系构建中，难以获得旧任务标签信息的问题，基于终身学习和多标签学习，构建了可抑制模型遗忘的专家网络以及可在线更新的增广关系矩阵，并基于增广关系矩阵和图卷积算法实时构建跨任务的多标签关系，解决了传统终身学习无法构建多标签关系，无法抑制标签关系遗忘的问题。
-
Patent Agency Ranking
公开(公告)号：CN114463596A
公开(公告)日：2022-05-10
申请号：CN202111633547.1
申请日：2021-12-28
Applicant: 苏州科技大学 , 苏州市人民政府办公室 , 苏州佳图智绘信息技术有限公司
IPC: G06V10/774 , G06V10/764 , G06V10/74 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种超图神经网络的小样本图像识别方法，利用卷积神经网络中空洞卷积的不同感受野来获取不同结构的多语义特征，构建多语义超图；利用超图神经网络聚合多语义超图中超节点的所有超边信息更新初始超节点特征表示，得到训练集的超节点特征表示；根据训练集的超节点特征表示，得到多语义分布信息，将多语义分布信息与训练集的超节点特征表示进行信息交互，通过相互迭代更新来不断优化多语义超图，得到训练集的目标超节点特征表示，根据训练集的目标超节点特征表示，计算得到训练集中查询集的分类结果。本发明通过超图结构的图像消息传递，捕获丰富的语义嵌入特征和多个语义分布特征，实现了小样本图像分类的识别。
-
公开(公告)号：CN113239961A
公开(公告)日：2021-08-10
申请号：CN202110384686.9
申请日：2021-04-09
Applicant: 苏州科技大学 , 苏州佳图智绘信息技术有限公司
IPC: G06K9/62 , G06F40/211 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于生成对抗网络的文本生成序列图像的方法，该方法包括：构建训练数据库，训练数据库包括训练文本和与原始图像，利用训练文本和原始图像对生成对抗网络模型进行训练；生成对抗网络模型包括混合生成器和鉴别器，混合生成器包括场景图引导的图像生成器和基于序列条件的图像生成器；将待处理的文本输入至训练后的所述生成对抗网络模型中，由训练后的生成对抗网络模型生成与待处理文本相对应的图像并输出。本发明能够生成与文本描述相匹配的视觉上真实的图像，避免了对象布局混乱的问题，提高了输出图像的准确度。
-
公开(公告)号：CN111915644A
公开(公告)日：2020-11-10
申请号：CN202010657633.5
申请日：2020-07-09
Applicant: 苏州科技大学 , 苏州佳图智绘信息技术有限公司
Abstract: 本发明公开了一种孪生导向锚框RPN网络的实时目标跟踪方法。本发明一种孪生导向锚框RPN网络的实时目标跟踪方法，包括：S1.分别将大小为127×127×3的模板帧和256×256×3的检测帧输入到孪生网络中的对应输入端口；S2.将通过孪生网络提取得到的特征分别输入到导向RPN(GA-RPN)网络的目标分类分支和位置回归分支，得到对应的分数图；S3.将导向RPN网络得到的分类分数图和位置回归分数图结果融合，然后进行插值计算，即可得到跟踪的结果。本发明的有益效果：解决孪生RPN目标跟踪网络的精度较低和速度较低的问题。
-
公开(公告)号：CN110852972A
公开(公告)日：2020-02-28
申请号：CN201911095524.2
申请日：2019-11-11
Applicant: 苏州科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于卷积神经网络的单图像去雨方法。本发明首先，我们并未使用导向滤波或者其他滤波分离图像以尽可能地保留图像的原始信息。其次，我们提出了我们的RK块来代替残差块以更高效地提取特征。最后，我们提出了特征转换连结操作来处理多尺度雨线。此外，批正则化操作假设了特征都有着相同的分布，然而不同的雨线有着不同的方向、颜色和形状，因此我们移除了网络中所有的批正则化操作。本发明的有益效果：以卷积神经网络为基础，设计一类较为简洁、高效的单步单流去雨网络模型，以便更好地修复带雨图像，同时保持修复质量和模型大小之间的平衡。
-
公开(公告)号：CN108960338A
公开(公告)日：2018-12-07
申请号：CN201810792426.3
申请日：2018-07-18
Applicant: 苏州科技大学
CPC classification number: G06K9/6256 , G06F17/2705 , G06F17/2775
Abstract: 本发明涉及一种基于注意力反馈机制的图像自动语句标注方法，包括：构建输入数据，给定一系列的图像χ＝{x1，x2，...，xN}作为训练集，其中N是样本数量；图像xi对应的语句表述为si＝{si，1，si，2，...，si，T}，T代表句子Si的长度；构建CNN‑RNN模型，进行正向文本成：从生成的文本中提取关键词注意力反向矫正图像注意力：利用上述从文本中提取出的关注特征，对原本的图像关注特征进行注意力矫正。能够解决注意力机制在图像自动语句标注过程中的注意力分散问题及生成语句错乱的问题，采用反馈式CNN‑RNN结构，利用反馈机制将生文本中的关键信息反向传给图像，将有利于在提取图像特征的过程中，更加关注文本中的信息所对应的显著目标，从而有利于使得图像关键信息和文本关键信息更加匹配。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.017 seconds)
