公开(公告)号：CN113936145A

公开(公告)日：2022-01-14

申请号：CN202111173394.7

申请日：2021-10-08

Applicant: 南京信息工程大学

Inventor： 张小瑞 ,  王营营 ,  孙伟 ,  宋爱国 ,  刘青山 ,  张开华

IPC: G06V10/44 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G06T3/40

Abstract: 本发明公开了一种基于注意力图排序的细粒度识别方法，属于计算机视觉和模式识别技术领域；首先，获取原图像特征；使用3*3卷积Conv、全局最大池化GAP和全局平均池化GMP对第三个卷积层的输出结果进行处理，将处理结果进行全连接来得到多尺度的原图像特征；然后，进行弱监督注意力学习；然后，进行定位与细化，通过边界框定位出细粒度识别区域并提取该区域的特征；然后，将注意力图按重要性排序算法进行排序，通过边界框选取出最有鉴别性的区域并提取该区域的特征；通过注意力图重要性排序算法，强化对最有鉴别性区域的学习；最后，将原图像、定位出的细粒度识别区域、选取的最有鉴别性的区域三个层面的特征进行级联。

公开(公告)号：CN113269136A

公开(公告)日：2021-08-17

申请号：CN202110672891.5

申请日：2021-06-17

Applicant: 南京信息工程大学

Inventor： 张小瑞 ,  王营营 ,  孙伟 ,  宋爱国 ,  刘佳

IPC: G06K9/00 ,  G06K9/40 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于triplet loss的离线签名验证方法，包括以下步骤：(1)获取待检测的签名数据集，划分数据集；(2)对签名图像进行预处理；(3)在训练集中进行训练；(4)通过验证集调整自定义分类器；(5)在测试集中进行测试。本发明首次将三元组训练的方式应用于签名认证问题，能够自动、准确、高效地完成签名认证任务；本发明对三元组进行了改进，驱使网络更好地关注在笔划部分提取信息，提高签名认证的精度；本发明提出的预处理程序只截取了图像中的签名部分，不仅提高了分类目标占据整幅图像的比例，还可以消除边缘部分的纸张杂质或墨点噪声。

公开(公告)号：CN113936145B

公开(公告)日：2024-06-11

申请号：CN202111173394.7

申请日：2021-10-08

Applicant: 南京信息工程大学

Inventor： 张小瑞 ,  王营营 ,  孙伟 ,  宋爱国 ,  刘青山 ,  张开华

IPC: G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0895 ,  G06N3/092

Abstract: 本发明公开了一种基于注意力图排序的细粒度识别方法，属于计算机视觉和模式识别技术领域；首先，获取原图像特征；使用3*3卷积Conv、全局最大池化GAP和全局平均池化GMP对第三个卷积层的输出结果进行处理，将处理结果进行全连接来得到多尺度的原图像特征；然后，进行弱监督注意力学习；然后，进行定位与细化，通过边界框定位出细粒度识别区域并提取该区域的特征；然后，将注意力图按重要性排序算法进行排序，通过边界框选取出最有鉴别性的区域并提取该区域的特征；通过注意力图重要性排序算法，强化对最有鉴别性区域的学习；最后，将原图像、定位出的细粒度识别区域、选取的最有鉴别性的区域三个层面的特征进行级联。

公开(公告)号：CN113269136B

公开(公告)日：2023-11-21

申请号：CN202110672891.5

申请日：2021-06-17

Applicant: 南京信息工程大学

Inventor： 张小瑞 ,  王营营 ,  孙伟 ,  宋爱国 ,  刘佳

IPC: G06V40/30 ,  G06V10/30 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084