-
公开(公告)号：CN115713669B
公开(公告)日：2023-12-05
申请号：CN202211373788.1
申请日：2022-11-04
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于类间关系的图像分类方法、装置、存储介质及终端，方法包括：获取待识别目标图像；将待识别目标图像输入预先训练的图像分类模型中；预先训练的图像分类模型是根据已知图像类别样本和未知图像类别样本训练生成的，已知图像类别样本和未知图像类别样本是根据目标域图像特征对目标域图像数据进行类间关系分离处理生成的；输出待识别目标图像对应的多个类别概率值，根据多个类别概率值确定待识别目标图像的最终类别。由于本申请充分利用了类间关系，能够有效的将未知类别图像从目标域图像数据中分离出来，解决了负向迁移问题，使域自适应技术在开集条件下也能工作，使得未知类别样本特征更具判别力，能高效地识别未知类别的图片。
-
公开(公告)号：CN116563607A
公开(公告)日：2023-08-08
申请号：CN202310382101.9
申请日：2023-04-11
Applicant: 北京邮电大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本申请涉及一种基于跨数据集信息挖掘的细粒度图像识别方法与装置。所述方法包括：获取目标细粒度图像；将目标细粒度图像输入训练好的细粒度图像识别神经网络，其中，细粒度图像识别神经网络包括特征提取模块、空间注意力模块、特征去相关模块、特征汇聚模块、识别模块，特征提取模块、空间注意力模块、特征去相关模块、特征汇聚模块、识别模块均为基于跨数据集信息预先训练的；训练好的细粒度图像识别神经网络输出与目标细粒度图像对应的识别结果。本申请通过基于跨数据集信息预先训练的细粒度图像识别神经网络对目标细粒度图像进行识别，因为训练过程学习到了不同数据集之间的正负迁移，也平衡了跨数据集的正负迁移，从而提升了识别精准度。
-
公开(公告)号：CN115713669A
公开(公告)日：2023-02-24
申请号：CN202211373788.1
申请日：2022-11-04
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于类间关系的图像分类方法、装置、存储介质及终端，方法包括：获取待识别目标图像；将待识别目标图像输入预先训练的图像分类模型中；预先训练的图像分类模型是根据已知图像类别样本和未知图像类别样本训练生成的，已知图像类别样本和未知图像类别样本是根据目标域图像特征对目标域图像数据进行类间关系分离处理生成的；输出待识别目标图像对应的多个类别概率值，根据多个类别概率值确定待识别目标图像的最终类别。由于本申请充分利用了类间关系，能够有效的将未知类别图像从目标域图像数据中分离出来，解决了负向迁移问题，使域自适应技术在开集条件下也能工作，使得未知类别样本特征更具判别力，能高效地识别未知类别的图片。
-
公开(公告)号：CN116563607B
公开(公告)日：2024-09-17
申请号：CN202310382101.9
申请日：2023-04-11
Applicant: 北京邮电大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本申请涉及一种基于跨数据集信息挖掘的细粒度图像识别方法与装置。所述方法包括：获取目标细粒度图像；将目标细粒度图像输入训练好的细粒度图像识别神经网络，其中，细粒度图像识别神经网络包括特征提取模块、空间注意力模块、特征去相关模块、特征汇聚模块、识别模块，特征提取模块、空间注意力模块、特征去相关模块、特征汇聚模块、识别模块均为基于跨数据集信息预先训练的；训练好的细粒度图像识别神经网络输出与目标细粒度图像对应的识别结果。本申请通过基于跨数据集信息预先训练的细粒度图像识别神经网络对目标细粒度图像进行识别，因为训练过程学习到了不同数据集之间的正负迁移，也平衡了跨数据集的正负迁移，从而提升了识别精准度。
-
Patent Agency Ranking
公开(公告)号：CN116363421B
公开(公告)日：2024-06-18
申请号：CN202310269093.7
申请日：2023-03-15
Applicant: 北京邮电大学
IPC: G06V10/764 , G06V10/30 , G06V10/40 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了一种图像的特征分类方法、装置、电子设备及介质。通过应用本申请的技术方案，可以预先利用噪音添加以及噪音去除的方式来衡量不同域图像之间的域间差异值，并以该域间差异值对特征提取器进行域泛化训练从而得到一个具有更强鲁棒性的特征提取器的图像分类模型。进而避免出现相关技术中存在的，传统的图像分类模型在遇到域偏移场景时存在的分类性能大幅下降的问题。
-
公开(公告)号：CN116363421A
公开(公告)日：2023-06-30
申请号：CN202310269093.7
申请日：2023-03-15
Applicant: 北京邮电大学
IPC: G06V10/764 , G06V10/30 , G06V10/40 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了一种图像的特征分类方法、装置、电子设备及介质。通过应用本申请的技术方案，可以预先利用噪音添加以及噪音去除的方式来衡量不同域图像之间的域间差异值，并以该域间差异值对特征提取器进行域泛化训练从而得到一个具有更强鲁棒性的特征提取器的图像分类模型。进而避免出现相关技术中存在的，传统的图像分类模型在遇到域偏移场景时存在的分类性能大幅下降的问题。
-
公开(公告)号：CN117788878A
公开(公告)日：2024-03-29
申请号：CN202311606846.5
申请日：2023-11-28
Applicant: 北京邮电大学
IPC: G06V10/764 , G06V10/86 , G06V10/80 , G06V30/19 , G06V10/74
Abstract: 本发明涉及一种多模态模型的训练及图像分类方法和装置，将各目标图像分别对应的可学习的提示词向量，经过多个适配器投影，得到丰富语义的多个文本支持特征向量，丰富了单一文本特征向量的语义表达，更具泛化性与鲁棒性。并基于多个文本特征向量，得到各类别的分类超平面，从而实现图像与文本之间的点对面映射，从而可以使基于各类别的分类超平面进一步确定的损失函数，训练得到最终的提示词向量和多个适配器，使基于训练好的提示词向量进行图像分类时，提高多模态模型的泛化能力，分类准确率更高。基于分类超平面之间的平面夹角确定损失函数，更充分使用特征空间，从而使不同的分类超平面之间的关系更加具有判别性，分类准确率更高。
-
-
公开(公告)号：CN113128480A
公开(公告)日：2021-07-16
申请号：CN202110543662.3
申请日：2021-05-19
Applicant: 北京邮电大学
Abstract: 一种具有鉴权功能的多目标周界入侵预警方法，涉及智能安防中的监控视频分析领域，为解决现有技术存在的不足，本发明采用目标包围框的底边中点表示人员目标的位置，通过使用底边中点作为入侵判定点，更好地刻画了人员目标的行进轨迹，有效解决了由于摄像角度不同带来的难以判定入侵的问题，规避由于人员目标身高参差不齐、姿态不同的影响；使监控位置更加灵活，使用场景更加广泛；采用轮廓线勾勒门和内部区域，适用于各种不规则的周界情况，更精确的刻画了门和内部区域，使得算法报警更为精确可靠。能实现多目标的跟踪，当检测区域中目标数量大时，也能准确地跟踪目标，保证后续检测判断的准确性，同时对于同一目标入侵现象不会重复报警。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.023 seconds)
