公开(公告)号：CN115424086A

公开(公告)日：2022-12-02

申请号：CN202210887082.0

申请日：2022-07-26

Applicant: 北京邮电大学

Inventor： 马占宇 ,  杜若一 ,  喻雯晴 ,  梁孔明 ,  郭军

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

Abstract: 本申请公开了一种多视角的细粒度识别方法、装置、电子设备及介质。通过应用本申请的技术方案，可以利用一个由多个多视图样本的多视角图像所组成的样本数据集来对初始分类模型进行训练。从而得到一个能够主动选择同一样本的下一个视图图像进行图像识别的高效细粒度识别模型，进而一方面通过对同一样本多视图图像的信息聚合，解决了传统细粒度图像识别方法仅依靠单一图片提供具有判别力线索的局限性。另一方面通过对具有判别力视图的预测，提高了基于多视图细粒度识别的识别效率。

公开(公告)号：CN117115497A

公开(公告)日：2023-11-24

申请号：CN202310076588.8

申请日：2023-01-16

Applicant: 北京邮电大学

Inventor： 梁孔明 ,  杜若一 ,  常东良 ,  喻雯晴 ,  马占宇

IPC: G06V10/764 ,  G06V10/774 ,  G06N20/00

Abstract: 本公开提供了一种类别分类方法、装置、介质及设备，所述方法包括：定义在线类别挖掘数据结构；构构建分类模型，其中，所述分类模型包括：用于特征提取的编码器 和用于将提取到的特征投影到有判别力的表征空间的投影器 基于所述数据结构中用于训练的数据对所述分类模型进行训练；基于所述数据结构中用于测试的数据对训练后的分类模型进行分类测试。本公开的方法与现有技术相比，实现了不依赖辅助信息，面向开放数据，实例级即使预测的未见类别挖掘。在6个常用的分类数据集上验证了本公开所提方法的优越性。

公开(公告)号：CN117237697B

公开(公告)日：2024-05-17

申请号：CN202310960507.0

申请日：2023-08-01

Applicant: 北京邮电大学

Inventor： 梁孔明 ,  马占宇 ,  关曼丹 ,  喻雯晴 ,  郭玉荣

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/25 ,  G06V10/42 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本公开涉及一种小样本图像检测方法、系统、介质及设备，方法包括：向图像检测模型中输入样本数据并对所述样本数据进行数据增强得到增强后的增强数据；从所述增强数据中利用卷积神经网络提取特征向量；生成用于分类器检测和定位目标的第一区域候选框，对所述第一区域候选框进行降采样得到第二区域候选框并根据所述第二区域候选框的坐标提取出所述特征向量中的特征；利用多层全连接网络对传入的特征进行分类和回归，以得到预测目标的位置和标签；计算图像检测模型的损失并更新图像检测模型的参数。不同于传统的基于候选框的预测方法：单个候选框预测单个实例。针对不同程度的遮挡问题进行算法的优化：在生成候选框之后，为每个候选框预测一组实例。

公开(公告)号：CN117237697A

公开(公告)日：2023-12-15

申请号：CN202310960507.0

申请日：2023-08-01

Applicant: 北京邮电大学

Inventor： 梁孔明 ,  马占宇 ,  关曼丹 ,  喻雯晴 ,  郭玉荣

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/25 ,  G06V10/42 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本公开涉及一种小样本图像检测方法、系统、介质及设备，方法包括：向图像检测模型中输入样本数据并对所述样本数据进行数据增强得到增强后的增强数据；从所述增强数据中利用卷积神经网络提取特征向量；生成用于分类器检测和定位目标的第一区域候选框，对所述第一区域候选框进行降采样得到第二区域候选框并根据所述第二区域候选框的坐标提取出所述特征向量中的特征；利用多层全连接网络对传入的特征进行分类和回归，以得到预测目标的位置和标签；计算图像检测模型的损失并更新图像检测模型的参数。不同于传统的基于候选框的预测方法：单个候选框预测单个实例。针对不同程度的遮挡问题进行算法的优化：在生成候选框之后，为每个候选框预测一组实例。