大视场高速单光子探测关联成像系统及方法

    公开(公告)号:CN116489522A

    公开(公告)日:2023-07-25

    申请号:CN202310532913.7

    申请日:2023-05-11

    Abstract: 本发明提供了一种大视场高速单光子探测关联成像方法及系统,包括:步骤S1:光脉冲通过数字微镜设备生成调制图像;步骤S2:调制图像通过分区单像素成像设备获取目标的分区关联成像信号;步骤S3:将获取的目标分区关联成像信号进行分区处理,利用调制图像和对应各区域关联成像信号对各区域进行成像得到各区域图像信息;步骤S4:将各区域图像信息进行合成形成完整的大视场图像。该方法将目标视场拆分为大量较小的子视场。由于单像素成像在同等成像质量下,所需成像次数与目标像素数成正比,故将目标视场进行拆分可大幅度减少成像次数,从而减少成像所需时间;也可在成像时间不变的条件下增加成像次数,提高成像质量。

    一种基于增强小样本特征解耦的图像分类方法和系统

    公开(公告)号:CN116310495A

    公开(公告)日:2023-06-23

    申请号:CN202310029240.3

    申请日:2023-01-09

    Abstract: 本说明书公开了一种基于增强小样本特征解耦的图像分类方法和系统,旨在解决无法有效提取细粒度特征和粗粒度特征以获得充足的局部信息和全局信息的问题。本发明包括:基于待测数据,通过基于小样本的数据增强模型,获取增强待测数据;通过多层感知机和第一分类器获取增强待测数据;将增强待测数据进行特征解耦获得细粒度特征和粗粒度特征;通过特征连接器将细粒度特征与粗粒度特征进行连接,基于连接特征,通过训练好的第二分类器进行分类获得分类预测结果。本发明能够快速的提取细粒度特征和粗粒度特征,有效解决了细粒度特征提取和粗粒度特征提取之间的冲突,提高了图像识别的准确性,并解决了训练样本不足的问题。

    基于动态神经网络扩展的持续小样本图像分类方法和系统

    公开(公告)号:CN116385759A

    公开(公告)日:2023-07-04

    申请号:CN202310029791.X

    申请日:2023-01-09

    Abstract: 本发明属于计算机视觉领域,具体涉及了一种基于动态神经网络扩展的持续小样本图像分类方法和系统,旨在解决现有技术进行新类的训练时难以对模型整体进行调整的问题。本发明包括:通过带有已知类数据标签的样本训练基础特征提取网络,通过特征提取器对带有已知类数据标签的样本进行特征提取,再通过投影层投影至可扩展特征空间中并保留未使用区域;将带有新类数据标签的样本和带有已知类数据标签的样本组合训练;新类视觉特征通过扩充部分参数的投影层投影至未使用区域并与已知类进行对齐,通过增量类原型分类器进行分类。本发明简单、灵活,可以显著提升全新类对象的分类性能,并能有效改善对历史类对象的分类性能。

Patent Agency Ranking