公开(公告)号：CN116863239A

公开(公告)日：2023-10-10

申请号：CN202310888587.3

申请日：2023-07-19

Applicant: 兰州理工大学

Inventor： 武继杰 ,  张志敏 ,  丁硕 ,  王朗 ,  孙浩 ,  郭紫杰 ,  张文斌 ,  曾俊瑀 ,  李晓旭

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

Abstract: 本发明公开了一种基于特征扩散模型的图像分类方法及装置，涉及图像分类技术领域。引入特征迁移和扩散模型的技术，将样本的深层卷积特征作为条件，深层特征在此基础上进行去噪，使得去噪后的特征与同类别样本的特征拥有较高的相似性。采用特征扩散的方式在基类数据下学习一个较好的特征提取器，提取高辨识度的视觉特征，生成更具判别性的特征，与此同时相比于原始的扩散模型算法，所需的数据量少，易于实现，且节省了大量的时间和计算资源成本。在测试阶段采用余弦距离衡量查询样本特征和去噪后的特征之间余弦相似性，进而对新类的查询样本进行分类，从而提升小样本图像分类的性能。

公开(公告)号：CN114723998A

公开(公告)日：2022-07-08

申请号：CN202210482490.8

申请日：2022-05-05

Applicant: 兰州理工大学

Inventor： 李晓旭 ,  郭紫杰 ,  刘俊 ,  武继杰 ,  宋琪 ,  张文斌 ,  曾俊瑀 ,  马占宇 ,  陶剑 ,  董洪飞

IPC: G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N5/04

Abstract: 本发明公开了一种基于大边界贝叶斯原型学习的小样本图像分类方法及装置，方法包括以下步骤：S1、对数据进行预处理，其中数据包括训练集和测试集；S2、基于卷积神经网络和高斯分布模型，构建贝叶斯原型分布模型；S3、基于优化后的贝叶斯原型分布模型的目标函数并求解模型参数；S4、利用优化后的贝叶斯原型分布模型对测试集图像进行分类，测评模型的性能。本发明引入了大边界分类和变分推理的思想，基于分布估计建模的方式进行研究，建立了一种基于大边界贝叶斯原型学习的小样本图像分类方法及装置，解决了小样本图像分类中存在的原型偏差问题，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。

公开(公告)号：CN116863238A

公开(公告)日：2023-10-10

申请号：CN202310888347.3

申请日：2023-07-19

Applicant: 兰州理工大学

Inventor： 武继杰 ,  冀璐琛 ,  芦培育 ,  杨世丞 ,  郭晓伟 ,  张文斌 ,  曾俊瑀 ,  李晓旭

IPC: G06V10/764 ,  G06V10/774

Abstract: 本发明公开了一种基于视觉迁移对齐的图像分类方法及装置，涉及图像分类技术领域。本发明在训练阶段使用MAE的方式对基类数据进行无监督训练，旨在提取基类数据下高辨识度的局部视觉特征，编码网络的选取采用标准的ViT模型，在编码模块输出的特征上进行掩码，使编码模块的输入长度始终保持一致。然后将训练好的编码网络用于测试阶段对新类数据提取局部视觉特征，在新类数据下利用高辨识度的基类局部视觉特征对新类数据中辨识度不足的特征进行替换，并在度量之前在空间位置上对视觉特征进行对齐，以此提升新类数据特征的辨识度和度量的准确性，进而提升小样本图像分类的性能。

公开(公告)号：CN116863237A

公开(公告)日：2023-10-10

申请号：CN202310888147.8

申请日：2023-07-19

Applicant: 兰州理工大学

Inventor： 武继杰 ,  胥骁麟 ,  薛少英 ,  王宪辉 ,  王湘阳 ,  张文斌 ,  曾俊瑀 ,  李晓旭

IPC: G06V10/764 ,  G06V10/44 ,  G06N3/048 ,  G06V10/74

Abstract: 本发明公开了一种基于类别相关特征重建的图像分类方法及装置，涉及图像分类技术领域。本发明采用特征重建的方式，首先通过支持特征过滤模块对无关特征和背景特征进行过滤，保留类别相关的关键性的特征，并使用这些关键的特征对同类的特征进行重建，使模型拥有对类别相关的关键特征提取的能力。通过构建一个类别相关的特征重建网络，来学习高辨识度的特征，从而提高小样本图像分类的能力，解决了目前的基于度量学习的小样本图像分类方法对样本特征进行直接的度量存在视觉特征不对齐、无关特征和背景特征干扰等问题，保证度量结果的准确性。

公开(公告)号：CN114723998B

公开(公告)日：2023-06-20

申请号：CN202210482490.8

申请日：2022-05-05

Applicant: 兰州理工大学

Inventor： 李晓旭 ,  郭紫杰 ,  刘俊 ,  武继杰 ,  宋琪 ,  张文斌 ,  曾俊瑀 ,  马占宇 ,  陶剑 ,  董洪飞

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06N5/04

Abstract: 本发明公开了一种基于大边界贝叶斯原型学习的小样本图像分类方法及装置，方法包括以下步骤：S1、对数据进行预处理，其中数据包括训练集和测试集；S2、基于卷积神经网络和高斯分布模型，构建贝叶斯原型分布模型；S3、基于优化后的贝叶斯原型分布模型的目标函数并求解模型参数；S4、利用优化后的贝叶斯原型分布模型对测试集图像进行分类，测评模型的性能。本发明引入了大边界分类和变分推理的思想，基于分布估计建模的方式进行研究，建立了一种基于大边界贝叶斯原型学习的小样本图像分类方法及装置，解决了小样本图像分类中存在的原型偏差问题，改善了图像的分类效果，具有很高的实用价值。

公开(公告)号：CN114818945A

公开(公告)日：2022-07-29

申请号：CN202210480401.6

申请日：2022-05-05

Applicant: 兰州理工大学

Inventor： 李晓旭 ,  孙浩 ,  刘俊 ,  武继杰 ,  李真 ,  曾俊瑀 ,  李睿凡 ,  马占宇 ,  陶剑

IPC: G06K9/62 ,  G06V10/764 ,  G06V10/774 ,  G06V10/74 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种融入类别自适应度量学习的小样本图像分类方法及装置，由数据预处理模块、构建网络模型模块、训练模型参数模块和测试模型性能模块组成。本发明提供的融入类别自适应度量学习的小样本图像分类方法及装置，为每个类别构建一个度量模块，通过对类内共性特征的学习，建立基于类内共性特征的度量，利用已经进行过预训练的嵌入模块，输入支持样本得到特征矩阵，并将其输入到类相关自适应度量模块，进行特征拼接并得到关系分数，将相似性最大的类作为预测类别，得到最终预测结果，从而提高小样本图像分类的性能，解决小样本图像分类中基于类内共性特征的度量学习问题，对于图像的分类效果十分明显，在实践中体现出极大价值。