公开(公告)号：CN117593600A

公开(公告)日：2024-02-23

申请号：CN202311344464.X

申请日：2023-10-17

Applicant: 华南理工大学

Inventor： 许玉格 ,  谢子轶

IPC: G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V10/764 ,  G06V10/26

Abstract: 本发明公开了一种基于Mosaic融合的长尾学习数据增强方法，首先在长尾数据图片中设定图片中心分割点并将每张图片分割为四块区域；接着将批次内的图片样本顺序打乱，获得四组不同顺序的图片样本集；所有图片样本类别根据其类别数量分为多数类和少数类，两种类别的图片样本采用不同的策略进行Mosaic融合数据增强；最后根据每张图片的融合情况，调整图片的标签信息，计算损失函数。本发明考虑了长尾数据的特点，通过在训练数据中引入Mosaic融合增强，借助多数类样本丰富的信息提高少数类别的多样性，从而提升深度学习网络模型的分类性能，改善模型在长尾数据集上的分类效果。

公开(公告)号：CN118711029A

公开(公告)日：2024-09-27

申请号：CN202410853770.4

申请日：2024-06-28

Applicant: 华南理工大学

Inventor： 许玉格 ,  谢子轶

IPC: G06V10/80 ,  G06V10/40 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于神经网络多专家分层逻辑融合的长尾图像识别方法，该方法是基于结合了多专家分层逻辑融合技术的神经网络实现长尾图像的有效识别，包含一个多分支特征提取网络、两个多专家分层逻辑融合模块和全连接层，多分支特征提取网络包含一个共享的主干网络和三个独立的专家网络，两个多专家分层逻辑融合模块用于将主干网络的浅层逻辑输出与前两个专家网络的深层逻辑输出进行融合，同时在专家网络的融合逻辑输出之间使用相互学习方法，不仅能促进三个专家网络传递信息并提升彼此的性能，也能促进主干网络参数的协同更新。本发明可有效增强网络对长尾图像数据集中少数类图像的识别能力，并促进网络浅层与深层参数的协同更新。

公开(公告)号：CN118711028A

公开(公告)日：2024-09-27

申请号：CN202410853737.1

申请日：2024-06-28

Applicant: 华南理工大学

Inventor： 许玉格 ,  谢子轶

IPC: G06V10/80 ,  G06V10/40 ,  G06V10/84 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习多分支逻辑调整综合的长尾图像识别方法，该方法是基于改进SADE网络实现长尾图像的有效识别，该改进SADE网络为多分支特征提取网络，包含一个共享主干网络和三个并行的专家分支网络，并使用设计的多分支逻辑融合策略，共享主干网络包含一个残差卷积模块，专家分支网络包含两个残差卷积模块，多分支逻辑融合策略是将逻辑输出转变为概率分布向量，然后归一化相容概率分布向量，通过综合多分支逻辑输出以提供更可靠的逻辑输出。本发明考虑长尾数据的特点，通过分化分支网络以及调整多专家分支网络的逻辑输出，提高网络对少数类样本的识别率，同时综合不同专家的逻辑输出到最终的决策中，从而提升网络的整体性能。

公开(公告)号：CN118711027A

公开(公告)日：2024-09-27

申请号：CN202410853732.9

申请日：2024-06-28

Applicant: 华南理工大学

Inventor： 许玉格 ,  谢子轶

IPC: G06V10/80 ,  G06V10/82 ,  G06V10/40 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习分支特征图融合的长尾图像识别方法，该方法是基于深度学习分支特征图融合网络实现长尾图像的有效识别，深度学习分支特征图融合网络包含一个多分支特征提取网络、两个分支特征图融合模块和三个作为分类器的全连接层，多分支特征提取网络包含一个共享网络和三个分支网络，共享网络包含一个残差卷积模块，每个分支网络均包含两个残差卷积模块，分支特征图融合模块用于将分支网络的深层特征图与其它分支网络的浅层特征图进行融合，同时在分支网络的逻辑输出之间使用相互学习方法。本发明可通过深层特征图与浅层特征图的融合提高网络对长尾图像的分类能力，同时通过相互学习提升深度学习网络的整体性能。