公开(公告)号：CN114943859B

公开(公告)日：2023-06-20

申请号：CN202210479781.1

申请日：2022-05-05

Applicant: 兰州理工大学

Inventor： 李晓旭 ,  杨世丞 ,  刘俊 ,  燕锦涛 ,  安文娟 ,  张文斌 ,  李睿凡 ,  马占宇 ,  陶剑

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种面向小样本图像分类的任务相关度量学习方法及装置，方法主要由数据预处理阶段、构建网络模型阶段、训练模型参数阶段和测试模型性能阶段组成，本发明通过考虑不同任务之间的差异性，引入注意力机制的思想，并学习任务相关的空间映射，利用任务自适应度量学习的方式，解决了小样本图像分类中存在的自适应度量学习问题，从而提高在小样本条件下目标任务分类的准确性，改善了图像的分类效果，具有很高的实用价值。

公开(公告)号：CN114943859A

公开(公告)日：2022-08-26

申请号：CN202210479781.1

申请日：2022-05-05

Applicant: 兰州理工大学

Inventor： 李晓旭 ,  杨世丞 ,  刘俊 ,  燕锦涛 ,  安文娟 ,  张文斌 ,  李睿凡 ,  马占宇 ,  陶剑

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明公开了一种面向小样本图像分类的任务相关度量学习方法及装置，方法主要由数据预处理阶段、构建网络模型阶段、训练模型参数阶段和测试模型性能阶段组成，本发明通过考虑不同任务之间的差异性，引入注意力机制的思想，并学习任务相关的空间映射，利用任务自适应度量学习的方式，解决了小样本图像分类中存在的自适应度量学习问题，从而提高在小样本条件下目标任务分类的准确性，改善了图像的分类效果，具有很高的实用价值。

公开(公告)号：CN119649151A

公开(公告)日：2025-03-18

申请号：CN202411879196.6

申请日：2024-12-19

Applicant: 兰州理工大学

Inventor： 安文娟 ,  武继杰 ,  张翼 ,  杨世丞 ,  丁悦 ,  李婵妮 ,  李晓旭

IPC: G06V10/764 ,  G06V10/46 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种融合显著性增强的小样本图像分类方法及装置，先对原始图片进行处理，滤掉无关的背景像素，增强图片重要区域像素，有效减少由于数据不足导致的过拟合问题，提升模型的泛化能力。其次，通过计算图片特征每一层的梯度，再加权平均这些梯度来生成显著性掩码，然后将显著性掩码直接加权到原始图片上，并将乘积结果与原始图片相加。通过计算显著性掩码，可以发现模型中存在的错误或偏差，再进一步调整模型的参数来优化模型，通过原始图像与显著性掩码的逐元素相乘，既增强了模型对图像关键区域的关注，又在保留整体图像信息的基础上避免了过度放大某些特征，避免过拟合到偶然出现的噪声或背景特征上，提高模型的透明性和可解释性。