-
公开(公告)号：CN110188635B
公开(公告)日：2021-04-30
申请号：CN201910404278.8
申请日：2019-05-16
Applicant: 南开大学
Abstract: 一种基于注意力机制和多层次卷积特征的植物病虫害识别方法。该方法的目的是结合注意力机制和多层次卷积特征进行自然场景下的植物病虫害图像分类，其关键是解决了自然场景图像中大面积的复杂背景对植物病虫害识别的干扰问题，并充分地利用了网络模型中所有的卷积层特征。该方法设计了一种包含注意力机制的深度卷积神经网络，利用注意力机制生成图像中覆盖了目标空间位置的局部位置区域掩码，用于减弱自然场景图像下的复杂背景干扰信息，并结合多层次卷积特征，充分利用语义信息和细节信息，对植物病虫害进行更具有区分性的特征表示。最终将得到的模型用于自然场景下的植物病虫害图像分类，得到的局部区域掩码用于获取植物病虫害的位置信息。
-
公开(公告)号：CN110648311B
公开(公告)日：2023-04-18
申请号：CN201910825578.3
申请日：2019-09-03
Applicant: 南开大学
IPC: G06T7/00 , G06T7/194 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多任务学习的痤疮图像病灶分割与计数网络模型，属于计算机视觉技术领域。设计了一种多任务学习深度卷积神经网络架构，用于痤疮图像中病灶的分割和数量统计。这种深度卷积神经网络框架以多任务学习的方式共享相关任务之间的表征，利用隐含在多个相关任务的训练信号中的特定领域信息来提高泛化能力，提升模型的分割与计数性能。同时本方法在网络框架中的分割分支利用得到的病灶候选框生成病灶的位置掩码，用于屏蔽具有干扰性的背景区域，从而帮助计数分支得到更精确的计数结果。最终使用计数结果对病灶候选框进行进一步筛选，生成病灶的分割结果，得到的网络模型用于痤疮图像的病灶分割和计数。
-
公开(公告)号：CN110648311A
公开(公告)日：2020-01-03
申请号：CN201910825578.3
申请日：2019-09-03
Applicant: 南开大学
Abstract: 本发明公开了一种基于多任务学习的痤疮图像病灶分割与计数网络模型，属于计算机视觉技术领域。设计了一种多任务学习深度卷积神经网络架构，用于痤疮图像中病灶的分割和数量统计。这种深度卷积神经网络框架以多任务学习的方式共享相关任务之间的表征，利用隐含在多个相关任务的训练信号中的特定领域信息来提高泛化能力，提升模型的分割与计数性能。同时本方法在网络框架中的分割分支利用得到的病灶候选框生成病灶的位置掩码，用于屏蔽具有干扰性的背景区域，从而帮助计数分支得到更精确的计数结果。最终使用计数结果对病灶候选框进行进一步筛选，生成病灶的分割结果，得到的网络模型用于痤疮图像的病灶分割和计数。
-
公开(公告)号：CN110188635A
公开(公告)日：2019-08-30
申请号：CN201910404278.8
申请日：2019-05-16
Applicant: 南开大学
Abstract: 一种基于注意力机制和多层次卷积特征的植物病虫害识别方法。该方法的目的是结合注意力机制和多层次卷积特征进行自然场景下的植物病虫害图像分类，其关键是解决了自然场景图像中大面积的复杂背景对植物病虫害识别的干扰问题，并充分地利用了网络模型中所有的卷积层特征。该方法设计了一种包含注意力机制的深度卷积神经网络，利用注意力机制生成图像中覆盖了目标空间位置的局部位置区域掩码，用于减弱自然场景图像下的复杂背景干扰信息，并结合多层次卷积特征，充分利用语义信息和细节信息，对植物病虫害进行更具有区分性的特征表示。最终将得到的模型用于自然场景下的植物病虫害图像分类，得到的局部区域掩码用于获取植物病虫害的位置信息。
-
-
-
Search Results
4
records
(took 0.051 seconds)
