-
公开(公告)号：CN114662593A
公开(公告)日：2022-06-24
申请号：CN202210297893.5
申请日：2022-03-24
Applicant: 江南大学
IPC: G06K9/62 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/12
Abstract: 本发明公开了一种基于遗传算法和划分数据集的图像分类方法，属于图像识别分类技术领域。该方法通过基于划分数据集来提高基于遗传算法进行CNN结构设计的执行速度，通过对划分数据集的训练得到CNN个体适应度函数进行修正来提高图像分类方法的可靠性。同时为了解决现有方法仅使用ResNet和DenseNet深度模块进行CNN结构设计而忽略CNN网络宽度结构的问题，该方法引入Inception模块，同时提出Feature模块作为CNN网络结构第一层，来保证输入图片有足够的特征给深层的模块进行学习，Transition模块对特征图的特征维度进行变换，Dropout模块来防止网络的过拟合，综合提高了图像分类的精度。
-
Patent Agency Ranking
公开(公告)号：CN114662593B
公开(公告)日：2025-01-28
申请号：CN202210297893.5
申请日：2022-03-24
Applicant: 江南大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/086
Abstract: 本发明公开了一种基于遗传算法和划分数据集的图像分类方法，属于图像识别分类技术领域。该方法通过基于划分数据集来提高基于遗传算法进行CNN结构设计的执行速度，通过对划分数据集的训练得到CNN个体适应度函数进行修正来提高图像分类方法的可靠性。同时为了解决现有方法仅使用ResNet和DenseNet深度模块进行CNN结构设计而忽略CNN网络宽度结构的问题，该方法引入Inception模块，同时提出Feature模块作为CNN网络结构第一层，来保证输入图片有足够的特征给深层的模块进行学习，Transition模块对特征图的特征维度进行变换，Dropout模块来防止网络的过拟合，综合提高了图像分类的精度。
-
公开(公告)号：CN114299344A
公开(公告)日：2022-04-08
申请号：CN202111669013.4
申请日：2021-12-31
Applicant: 江南大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06F16/55 , G06N3/00 , G06N3/08 , G06N3/04
Abstract: 本发明公开了本发明涉及一种针对图像分类的神经网络结构低成本自动搜索方法，属于图像分类技术领域。该方法通过设计一种基于分组卷积的网络block，以该block作为基础单元构建一种可扩展的网络结构，block的可控参数化设置使得构建的网络结构的搜索空间可扩展。再结合改进的遗传算法，通过一个三阶段的自然选择策略，更好地激发搜索空间的探索性和开发性。同时引入非训练指标NTK的条件数量作为个体适应度，以极快速度搜索到高精度且低参数量的网络结构，从而在解决实际问题时实现了使用较少的计算资源来快速搜索出综合性能优越的网路结构，针对图像分类任务，通过实验证明采用该方法搜索出的网路结构进行分类的精度较高。
-
公开(公告)号：CN117173037B
公开(公告)日：2024-07-09
申请号：CN202310967877.7
申请日：2023-08-03
Applicant: 江南大学
IPC: G06T5/70 , G06V10/774 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种针对图像降噪的神经网络结构自动搜索方法，属于图像降噪技术领域。首先通过设计一种基于U‑Net的变长对称编码策略，结合空间注意力以及通道注意力机制，可以构建出包含高性能降噪网络结构的搜索空间。然后设计一种基于短轮次训练的回归映射补偿方法，通过引入网络结构的参数量，全轮次训练下的网络降噪性能以及短轮次作为先验知识，可以有效减少搜索过程中需要的搜索时间和搜索资源需求，同时提升短轮次训练策略的可靠性。最后，通过设计一种基于参数权重动态分配的进化算法，有效提升种群中个体的降噪性能，帮助搜索到性能更好的网络结构，实现更加高效的搜索。通过实验证明该方法搜索出的网络结构拥有良好的降噪性能。
-
公开(公告)号：CN117173037A
公开(公告)日：2023-12-05
申请号：CN202310967877.7
申请日：2023-08-03
Applicant: 江南大学
IPC: G06T5/00 , G06V10/774 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种针对图像降噪的神经网络结构自动搜索方法，属于图像降噪技术领域。首先通过设计一种基于U‑Net的变长对称编码策略，结合空间注意力以及通道注意力机制，可以构建出包含高性能降噪网络结构的搜索空间。然后设计一种基于短轮次训练的回归映射补偿方法，通过引入网络结构的参数量，全轮次训练下的网络降噪性能以及短轮次作为先验知识，可以有效减少搜索过程中需要的搜索时间和搜索资源需求，同时提升短轮次训练策略的可靠性。最后，通过设计一种基于参数权重动态分配的进化算法，有效提升种群中个体的降噪性能，帮助搜索到性能更好的网络结构，实现更加高效的搜索。通过实验证明该方法搜索出的网络结构拥有良好的降噪性能。
-
公开(公告)号：CN114663312A
公开(公告)日：2022-06-24
申请号：CN202210305751.9
申请日：2022-03-24
Applicant: 江南大学
Abstract: 本发明公开了一种针对图像降噪的网络自动搜索方法及图像降噪方法，属于图像处理技术领域。本申请在构造用于图像降噪的网络结构时，将Feature模块作为CNN网络结构的第一层，来保证输入图片有足够的特征给深层的模块进行学习，同时Transition模块对特征图的特征维度进行变换，Dropout模块来防止网络的过拟合，从而获得更好的高斯降噪效果；另外本申请采用基于遗传算法的自动结构搜索方法，能够在数据集下根据不同的噪声级别问题，自动的调整自动设计的网络结构，避免了人为介入的时间成本问题，大大提出了处理降噪任务的速度和性能。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
