一种基于信息交互的细粒度图像分类方法

    公开(公告)号:CN118470370A

    公开(公告)日:2024-08-09

    申请号:CN202410310575.7

    申请日:2024-03-19

    Applicant: 无锡学院

    Abstract: 本发明公开了基于信息交互的细粒度图像分类方法,包括:将输入图像分别输入到CNN分支网络的ResNet模块以及CB‑ViT模型的LFE模块中,ResNet模块对输入图像进行特征提取,得到特征图,并将特征图输入到级联CNN模块中,获取输入图像的局部特征;通过LFE模块获取输入图像的低级特征,将输入图像的低级特征输入到ViT分支网络中进行全局特征的提取,获取输入图像的全局图像信息;patch embedding模块将待分类的输入图像数据转化为特征图序列,通过线性映射将特征图序列投影到高维空间,添加一个分类标志向量,以用于最终输出概率分布,添加一个可学习的位置编码矩阵,以用于附加位置信息;Transformer Encoder模块将分类标志向量通过线性变换与激活函数的组合,得到待输入图像的细粒度分类。

    一种基于改进YOLOv5s模型的交通标识检测方法

    公开(公告)号:CN118298404A

    公开(公告)日:2024-07-05

    申请号:CN202410462556.6

    申请日:2024-04-17

    Applicant: 无锡学院

    Abstract: 本发明公开了一种基于改进YOLOv5s模型的交通标识检测方法,包括以下步骤:步骤1:获取交通标识图像数据集,并将交通标识图像数据集分为训练集和测试集;步骤2:改进YOLOv5s模型:将Neck网络中C3模块的3×3卷积替换为多样性分支DBB模块,得到C3_DB模块,在C3_DB模块后引入Context Aggregation模块;步骤3:将获得的训练集输入搭建好的YOLOv5s模型进行训练;用EIOU_Loss作为损失函数,当YOLOv5s模型损失曲线趋近于0且无明显波动时,停止训练,得到训练权重w,否则继续训练;步骤4:将获取到的交通标识图像输入到训练后的YOLOv5s模型中,进行交通标识检测,YOLOv5s模型根据权重自动识别交通标识的种类及数量。本发明改进后的YOLOv5s模型有效地提升了交通标志检测精度。

Patent Agency Ranking