公开(公告)号：CN117475283A

公开(公告)日：2024-01-30

申请号：CN202311415095.9

申请日：2023-10-29

Applicant: 吉林大学

Inventor： 张小利 ,  董玉叶 ,  赵立波 ,  李雄飞

IPC: G06V10/86 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/774 ,  G06V10/46

Abstract: 本发明提出一种基于注意力机制的多焦点图像融合方法，该方法包括：第一借助卷积神经网络和注意力机制的性质，构建一个通用的端到端的多焦点图像融合网络模型，其输入为待输入的多焦点图像，输出为融合后的全聚焦图像；第二，构建一个接近真实情况的多焦点图像数据集，在该数据集上成功训练提出的融合模型；第三，将待融合图像输入到训练好的融合模型，得到最终的融合图像。本发明克服了其他传统或深度学习方法中忽视源图像重要信息的缺点，并具备较高的效率。实验结果表明，该方法能较好的融合各种多焦点图像。

公开(公告)号：CN115115895A

公开(公告)日：2022-09-27

申请号：CN202210896302.6

申请日：2022-07-28

Applicant: 吉林大学

Inventor： 张小利 ,  赵立波 ,  周子倍 ,  杨飞扬 ,  于爽 ,  朱芮 ,  李雄飞

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/774 ,  G06N3/04 ,  G06N3/08 ,  G06V10/22 ,  G06V10/26 ,  G06V10/40

Abstract: 本发明提供了一种基于注意力机制的爆炸性手机X光图像分类方法，包括：获取所述爆炸性手机X光图像的数据集；构建分类模型，其中所述分类模型包括位置信息注意力模块和残差网络，所述位置信息注意力模块用于对所述爆炸性手机X光图像进行信息自适应聚合和重建；改进损失函数，基于改进后的所述损失函数对所述分类模型进行训练，通过训练后的所述分类模型对所述数据集中的图像进行特征提取，获取分类结果。本发明采用位置信息注意力模块引入到残差网络的设计，以及基于样本成本系数的损失函数指导网络学习，使分类模型具有强大的细节特征属性提取能力，能够准确分类带有爆炸物的手机。