公开(公告)号：CN117611942A

公开(公告)日：2024-02-27

申请号：CN202311595766.4

申请日：2023-11-27

Applicant: 大连海事大学

Inventor： 纪勋 ,  杨贺 ,  郝立颖 ,  王靖淇

IPC: G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/42 ,  G06V10/80 ,  G06N3/048 ,  G06T3/4053 ,  G06T5/70

Abstract: 本发明一种基于轻量化深度神经网络进行不同视觉处理的方法，包括以下步骤：根据待处理的不同视觉任务，分别获取与视觉任务相对应的数据集，按照比例将数据集划分为训练集和测试集；构建轻量化深度神经网络，所述轻量化深度神经网络包括基于多尺度空洞卷积的三分支特征提取框架以及基于残差‑稠密‑注意力交互混合式特征重建框架；将测试集数据输入到练后轻量化深度神经网络种，基于残差‑稠密‑注意力交互混合式特征重建框架，用以对初步实现重建的特征进行更加深层次的特征重建，最终获得重建特征图，然后通过残差连接与转置卷积获得最终输出不同视觉任务下的图像。

公开(公告)号：CN116644787A

公开(公告)日：2023-08-25

申请号：CN202310705535.8

申请日：2023-06-14

Applicant: 大连海事大学

Inventor： 纪勋 ,  杨贺 ,  郝立颖 ,  王靖淇

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

Abstract: 本发明一种用于提升网络性能的卷积神经网络构造方法，属于人工智能技术领域，该方法包括以下步骤：根据不同低级计算机视觉的任务，选取相应的图像数据集，并划分为训练集和测试集；将训练集中的图片进行预处理；构建用于提升网络性能的通用泛化卷积神经网络；基于预处理后的训练集图片，对所述通用泛化卷积神经网络进行训练，得到训练好的通用泛化卷积神经网络，实现图片不同低级计算机视觉任务。该方法使卷积神经网络具备多尺度的感受野以捕获并理解不同层次的特征，此外，该方法还通过构造多分支稠密交互连接的方式，促进特征信息在网络架构间的传递，使得提升网络的训练速度，大幅度增加网络的计算资源利用率，提升网络的性能与泛化能力。