公开(公告)号：CN111428807A

公开(公告)日：2020-07-17

申请号：CN202010261102.4

申请日：2020-04-03

Applicant: 桂林电子科技大学

Inventor： 纪元法 ,  黄铭洁 ,  孙希延 ,  陈小毛 ,  蓝如师

IPC: G06K9/62 ,  G06N3/04 ,  G06T5/00 ,  G06T5/50

Abstract: 本申请实施例公开了一种图像处理方法及计算机可读存储介质，本申请实施例可以获取待处理的图像，对所述待处理的图像进行特征提取，得到特征图；根据所述特征图获取所述待处理的图像对应的粗分类结果；根据所述特征图获取具有多个特定注意力的注意力特征图；对所述注意力特征图进行数据增强操作，得到数据增强特征图；根据所述数据增强特征图获取所述待处理的图像对应的细分类结果；基于所述粗分类结果和所述细分类结果，确定所述待处理的图像对应的分类结果。该方案基于注意力特征图进行数据增强操作得到的数据增强特征图来获取细分类结果，并结合粗分类结果和细分类结果确定图像最终的分类结果，提高了对图像分类的精准性。

公开(公告)号：CN110826558B

公开(公告)日：2022-11-11

申请号：CN201911033072.5

申请日：2019-10-28

Applicant: 桂林电子科技大学

Inventor： 纪元法 ,  黄铭洁 ,  任风华 ,  孙希延 ,  蓝如师 ,  陈小毛 ,  严素清 ,  付文涛 ,  赵松克

IPC: G06V10/25 ,  G06V10/40 ,  G06V10/774 ,  G06V10/82 ,  G06V10/766 ,  G06N3/04

Abstract: 本申请公开图像分类方法、计算机设备和存储介质，使用深度残差网络提取特征，得到特征图，解决了网络退化、梯度消失的问题，提取了更多有用的特征信息，所花费的时间也将更短；采用优化后的区域建议网络，过滤掉很多无用的候选框，使筛选下来的候选框置信度更高，对判别图像更有效；采用了稀疏化B‑CNN，提高关键特征的显著性，有效解决训练集不是很大时产生过拟合的影响，提高了识别准确度；本申请实施例将优化后的优化后的区域建议网络和稀疏化B‑CNN网络融为一体，两个网络相互协调作用，较大地提高了细粒度图像分类的准确度以及减少了花费的时间。

公开(公告)号：CN110826558A

公开(公告)日：2020-02-21

申请号：CN201911033072.5

申请日：2019-10-28

Applicant: 桂林电子科技大学

Inventor： 纪元法 ,  黄铭洁 ,  任风华 ,  孙希延 ,  蓝如师 ,  陈小毛 ,  严素清 ,  付文涛 ,  赵松克

IPC: G06K9/32 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04

Abstract: 本申请公开图像分类方法、计算机设备和存储介质，使用深度残差网络提取特征，得到特征图，解决了网络退化、梯度消失的问题，提取了更多有用的特征信息，所花费的时间也将更短；采用优化后的区域建议网络，过滤掉很多无用的候选框，使筛选下来的候选框置信度更高，对判别图像更有效；采用了稀疏化B-CNN，提高关键特征的显著性，有效解决训练集不是很大时产生过拟合的影响，提高了识别准确度；本申请实施例将优化后的优化后的区域建议网络和稀疏化B-CNN网络融为一体，两个网络相互协调作用，较大地提高了细粒度图像分类的准确度以及减少了花费的时间。