基于全局到局部的感受野搜索的动作分割模型获取方法

    公开(公告)号:CN112883776B

    公开(公告)日:2022-09-16

    申请号:CN202110004845.8

    申请日:2021-01-04

    Applicant: 南开大学

    Abstract: 本公开提出了基于全局到局部的感受野搜索的动作分割模型获取方法,包括:获取分割视频数据集,针对分割视频数据集,基于分割网络拓扑结构及随机初始化感受野膨胀率进行全局搜索,获得粗略的网络感受野组合;利用粗略的网络感受野组合从新初始化分割网络拓扑结构;基于分割视频数据集与重新初始化的分割网络拓扑结构,进行局部搜索,得到性能更优的感受野组合;利用局部搜索得到的感受野组合重新初始化分割网络拓扑结构,利用分割视频数据集进行完整的分割网络训练,获得训练后的分割网络模型。通过迭代搜索过程,局部搜索逐渐找到了更有效的低成本细粒度感受野组合。

    基于增强表现力神经网络批归一化的图像表征方法及系统

    公开(公告)号:CN112541857B

    公开(公告)日:2022-09-16

    申请号:CN202011551847.0

    申请日:2020-12-24

    Applicant: 南开大学

    Abstract: 本发明公开了基于增强表现力神经网络批归一化的图像表征方法及系统,包括:获取目标图像;提取目标图像的特征;对目标图像的特征进行居中校准,得到居中校准后的结果;对居中校准后的结果进行居中归一化处理,得到居中归一化结果;对居中归一化结果进行缩放归一化处理,得到缩放归一化结果;对缩放归一化结果进行缩放校准,得到缩放校准结果;对缩放校准结果进行仿射变换,得到输出特征;基于输出特征对图像进行表征。本申请通过对神经网络模型采用改进的批归一化方式,实现对图像的精确表征。

    一种基于深度学习知识蒸馏技术的低光图像增强方法

    公开(公告)号:CN111242870B

    公开(公告)日:2023-05-05

    申请号:CN202010064079.X

    申请日:2020-01-20

    Applicant: 南开大学

    Abstract: 本发明公开了一种基于深度学习知识蒸馏技术的低光图像增强方法,属于图像处理技术领域。该方法基于新型的深度学习知识蒸馏技术,将图像去噪老师网络的去噪能力蒸馏到图像增强学生网络里,从而使得学生网络在增强图像的过程中抑制并去除图片中的噪声。设定学生网络与老师网络:其中学生网络的任务是进行低光图像增强,老师网络的任务是去掉图像噪声。利用老师网络向学生网络进行图像去噪能力的蒸馏迁移,使学生网络在进行低光图像增强任务的同时,具备老师网络的图像去噪能力。本发明克服了传统低光图像增强方法中噪声随着图像增强而相应增强带来的质量损失和视觉影响,极大地提高了低光图像增强的效果。

    基于增强表现力神经网络批归一化的图像表征方法及系统

    公开(公告)号:CN112541857A

    公开(公告)日:2021-03-23

    申请号:CN202011551847.0

    申请日:2020-12-24

    Applicant: 南开大学

    Abstract: 本发明公开了基于增强表现力神经网络批归一化的图像表征方法及系统,包括:获取目标图像;提取目标图像的特征;对目标图像的特征进行居中校准,得到居中校准后的结果;对居中校准后的结果进行居中归一化处理,得到居中归一化结果;对居中归一化结果进行缩放归一化处理,得到缩放归一化结果;对缩放归一化结果进行缩放校准,得到缩放校准结果;对缩放校准结果进行仿射变换,得到输出特征;基于输出特征对图像进行表征。本申请通过对神经网络模型采用改进的批归一化方式,实现对图像的精确表征。

    基于神经网络相邻结构依存关系的网络剪枝方法

    公开(公告)号:CN111260034A

    公开(公告)日:2020-06-09

    申请号:CN202010046252.3

    申请日:2020-01-16

    Applicant: 南开大学

    Abstract: 基于神经网络相邻结构依存关系的网络剪枝方法,属于神经网络模型压缩领域,该方法包含如下步骤:a)网络的通道重要性由卷积层和相邻的批量归一化(BN)层的参数共同决定;b)在某一层内部比较通道重要性,以确定待剪枝的通道;c)动态调整稀疏性正则系数,以达到预先指定的稀疏程度。使用该方法进行网络剪枝,可以得到更高的剪枝后性能,更优的剪枝后网络结构和更好的稳定性。

    一种基于深度学习知识蒸馏技术的低光图像增强方法

    公开(公告)号:CN111242870A

    公开(公告)日:2020-06-05

    申请号:CN202010064079.X

    申请日:2020-01-20

    Applicant: 南开大学

    Abstract: 本发明公开了一种基于深度学习知识蒸馏技术的低光图像增强方法,属于图像处理技术领域。该方法基于新型的深度学习知识蒸馏技术,将图像去噪老师网络的去噪能力蒸馏到图像增强学生网络里,从而使得学生网络在增强图像的过程中抑制并去除图片中的噪声。设定学生网络与老师网络:其中学生网络的任务是进行低光图像增强,老师网络的任务是去掉图像噪声。利用老师网络向学生网络进行图像去噪能力的蒸馏迁移,使学生网络在进行低光图像增强任务的同时,具备老师网络的图像去噪能力。本发明克服了传统低光图像增强方法中噪声随着图像增强而相应增强带来的质量损失和视觉影响,极大地提高了低光图像增强的效果。

    一种基于深度学习知识蒸馏技术的保边图像平滑方法

    公开(公告)号:CN111275646B

    公开(公告)日:2022-04-26

    申请号:CN202010066280.1

    申请日:2020-01-20

    Applicant: 南开大学

    Abstract: 一种基于深度学习知识蒸馏技术的保边图像平滑方法,属于图像处理技术领域。该方法基于新型的深度学习知识蒸馏技术,将边缘检测老师网络的边缘检测能力蒸馏到图像平滑学生网络里,从而使得学生网络具有保边的图像平滑能力。其中学生网络的任务是进行图像平滑,老师网络的任务是提取结构性边缘的信息。利用老师网络向学生网络进行结构性边缘知识的蒸馏迁移,使学生网络在进行图像平滑的任务的同时,具备老师网络的保留结构性边缘能力。本发明能够在不额外引入保留边缘信息的深度网络前提下保留图像平滑的结构性边缘,克服了传统图像平滑增强方法中如不能很好地保留图像边缘信息、模糊等图像质量损失的视觉影响,极大地提高了图像平滑的效果。

    基于全局到局部的感受野搜索的动作分割模型获取方法

    公开(公告)号:CN112883776A

    公开(公告)日:2021-06-01

    申请号:CN202110004845.8

    申请日:2021-01-04

    Applicant: 南开大学

    Abstract: 本公开提出了基于全局到局部的感受野搜索的动作分割模型获取方法,包括:获取分割视频数据集,针对分割视频数据集,基于分割网络拓扑结构及随机初始化感受野膨胀率进行全局搜索,获得粗略的网络感受野组合;利用粗略的网络感受野组合从新初始化分割网络拓扑结构;基于分割视频数据集与重新初始化的分割网络拓扑结构,进行局部搜索,得到性能更优的感受野组合;利用局部搜索得到的感受野组合重新初始化分割网络拓扑结构,利用分割视频数据集进行完整的分割网络训练,获得训练后的分割网络模型。通过迭代搜索过程,局部搜索逐渐找到了更有效的低成本细粒度感受野组合。

    一种基于深度学习知识蒸馏技术的保边图像平滑方法

    公开(公告)号:CN111275646A

    公开(公告)日:2020-06-12

    申请号:CN202010066280.1

    申请日:2020-01-20

    Applicant: 南开大学

    Abstract: 一种基于深度学习知识蒸馏技术的保边图像平滑方法,属于图像处理技术领域。该方法基于新型的深度学习知识蒸馏技术,将边缘检测老师网络的边缘检测能力蒸馏到图像平滑学生网络里,从而使得学生网络具有保边的图像平滑能力。其中学生网络的任务是进行图像平滑,老师网络的任务是提取结构性边缘的信息。利用老师网络向学生网络进行结构性边缘知识的蒸馏迁移,使学生网络在进行图像平滑的任务的同时,具备老师网络的保留结构性边缘能力。本发明能够在不额外引入保留边缘信息的深度网络前提下保留图像平滑的结构性边缘,克服了传统图像平滑增强方法中如不能很好地保留图像边缘信息、模糊等图像质量损失的视觉影响,极大地提高了图像平滑的效果。

Patent Agency Ranking