-
公开(公告)号：CN114898360B
公开(公告)日：2024-04-26
申请号：CN202210342846.8
申请日：2022-03-31
Applicant: 中南林业科技大学
IPC: G06V20/68
Abstract: 本发明公开了一种基于注意力与深度特征融合的食材图像分类模型建立方法，包括采集食材图像数据，包括历史图像数据和待分类图像数据；将压缩激发注意力嵌入到并行的ResNet50网络和DenseNet121网络中，然后由这两个网络组成并行注意力特征提取网络来提取食材图像特征；输入到深度特征融合模块，进一步提取深度食材特征；建立食材图像分类模型，进行分类，得到食材种类。本发明利用特征提取网络嵌入注意力机制，使得提取特征更加关注于食材局部细节，子网特征所具有的食材分类特征更好，同时本发明有效提高分类准确度。特征融合中，极大降低网络参数，对特征进行相加防止网络加深梯度消失，使得食材分类高效快速。
-
公开(公告)号：CN114898360A
公开(公告)日：2022-08-12
申请号：CN202210342846.8
申请日：2022-03-31
Applicant: 中南林业科技大学
IPC: G06V20/68
Abstract: 本发明公开了一种基于注意力与深度特征融合的食材图像分类模型建立方法，包括采集食材图像数据，包括历史图像数据和待分类图像数据；将压缩激发注意力嵌入到并行的ResNet50网络和DenseNet121网络中，然后由这两个网络组成并行注意力特征提取网络来提取食材图像特征；输入到深度特征融合模块，进一步提取深度食材特征；建立食材图像分类模型，进行分类，得到食材种类。本发明利用特征提取网络嵌入注意力机制，使得提取特征更加关注于食材局部细节，子网特征所具有的食材分类特征更好，同时本发明有效提高分类准确度。特征融合中，极大降低网络参数，对特征进行相加防止网络加深梯度消失，使得食材分类高效快速。
-
公开(公告)号：CN114529973A
公开(公告)日：2022-05-24
申请号：CN202210160626.3
申请日：2022-02-22
Applicant: 中南林业科技大学
IPC: G06V40/16 , G06V10/74 , G06V10/762 , G06V10/766 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 本发明公开了一种半监督人脸情绪识别方法，包括获取基础图像数据样本；对标签数据进行预测，计算预测值和标签值之间的距离作为监督损失；将无标签数据生成平滑伪标签，将平滑伪标签和预测值之间的距离作为半监督损失；构建基于相似性学习的三元组损失，包括对图像数据的深度特征进行聚类，构建三元组，计算相似性三元组损失，构建完整损失函数，并根据梯度下降更新网络参数；获取半监督人脸情绪识别模型，并对当前的人脸图像数据进行情绪分析。本发明在连续域数据集中识别准确高效，同时通过调整末端在离散域数据集中取得了优异的识别率；本发明通过基于相似性学习的三元组损失函数，能够学习人脸图像间的相似性，提高了情绪变化的识别率。
-
公开(公告)号：CN114529973B
公开(公告)日：2024-11-05
申请号：CN202210160626.3
申请日：2022-02-22
Applicant: 中南林业科技大学
IPC: G06V40/16 , G06V10/74 , G06V10/762 , G06V10/766 , G06V10/774 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种半监督人脸情绪识别方法，包括获取基础图像数据样本；对标签数据进行预测，计算预测值和标签值之间的距离作为监督损失；将无标签数据生成平滑伪标签，将平滑伪标签和预测值之间的距离作为半监督损失；构建基于相似性学习的三元组损失，包括对图像数据的深度特征进行聚类，构建三元组，计算相似性三元组损失，构建完整损失函数，并根据梯度下降更新网络参数；获取半监督人脸情绪识别模型，并对当前的人脸图像数据进行情绪分析。本发明在连续域数据集中识别准确高效，同时通过调整末端在离散域数据集中取得了优异的识别率；本发明通过基于相似性学习的三元组损失函数，能够学习人脸图像间的相似性，提高了情绪变化的识别率。
-
-
-
Search Results
4
records
(took 0.026 seconds)
