公开(公告)号：CN112528928B

公开(公告)日：2024-06-11

申请号：CN202011524704.0

申请日：2020-12-22

Applicant: 燕山大学

Inventor： 李国强 ,  王天雷 ,  王俊妍 ,  常轩 ,  付乐

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/047 ,  G06N3/084

Abstract: 本发明公开了一种基于自注意力深度网络的商品识别方法，其包括如下内容：对商品数据集进行分析，选择部分数据并将其划分训练集，验证集和测试集，同时进行小样本处理，将数据分为多个任务，每一个任务都可以再分为支持集和查询集，同时进行数据增强处理；随后提取支持集特征，并计算提取好的支持集特征中每一类的类原型，再提取查询集特征，将支持集类原型和查询集特征送入到以加权马氏距离作为相似性度量的度量分类器中，利用softmax函数计算最终分类结果；再利用反向传播算法更新模型参数，保存在验证集中表现最好的模型，最后将商品测试集送入到模型中进行识别分类。本发明可以减少外部依赖性、识别更加高效，并且应用范围广。

公开(公告)号：CN113971764B

公开(公告)日：2024-05-14

申请号：CN202111269827.9

申请日：2021-10-29

Applicant: 燕山大学

Inventor： 李国强 ,  常轩

IPC: G06V20/13 ,  G06V10/44 ,  G06V10/764 ,  G06V30/19 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于改进YOLOv3的遥感图像小目标检测方法，属于深度学习及目标检测技术领域，包括数据集预处理；优化YOLOv3网络，在Neck中加入空洞卷积组模块、特征强化模块和通道注意力机制模块；在线数据增强；前向推理；改进损失函数；选择在验证集上检测精度和召回率最高的YOLOv3网络模型载入网络等步骤。本发明通过改进损失函数和在YOLOv3原网络中加入空洞卷积组模块、特征强化模块、通道注意力机制模块以改进YOLOv3检测网络，性能明显提升，对遥感图像中的目标检测更全面，精度更高，而且提高了训练速度和整体检测精度。

公开(公告)号：CN112528928A

公开(公告)日：2021-03-19

申请号：CN202011524704.0

申请日：2020-12-22

Applicant: 燕山大学

Inventor： 李国强 ,  王天雷 ,  王俊妍 ,  常轩 ,  付乐

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于自注意力深度网络的商品识别方法，其包括如下内容：对商品数据集进行分析，选择部分数据并将其划分训练集，验证集和测试集，同时进行小样本处理，将数据分为多个任务，每一个任务都可以再分为支持集和查询集，同时进行数据增强处理；随后提取支持集特征，并计算提取好的支持集特征中每一类的类原型，再提取查询集特征，将支持集类原型和查询集特征送入到以加权马氏距离作为相似性度量的度量分类器中，利用softmax函数计算最终分类结果；再利用反向传播算法更新模型参数，保存在验证集中表现最好的模型，最后将商品测试集送入到模型中进行识别分类。本发明可以减少外部依赖性、识别更加高效，并且应用范围广。

公开(公告)号：CN113971764A

公开(公告)日：2022-01-25

申请号：CN202111269827.9

申请日：2021-10-29

Applicant: 燕山大学

Inventor： 李国强 ,  常轩

IPC: G06V20/13 ,  G06V10/44 ,  G06V10/764 ,  G06V30/19 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于改进YOLOv3的遥感图像小目标检测方法，属于深度学习及目标检测技术领域，包括数据集预处理；优化YOLOv3网络，在Neck中加入空洞卷积组模块、特征强化模块和通道注意力机制模块；在线数据增强；前向推理；改进损失函数；选择在验证集上检测精度和召回率最高的YOLOv3网络模型载入网络等步骤。本发明通过改进损失函数和在YOLOv3原网络中加入空洞卷积组模块、特征强化模块、通道注意力机制模块以改进YOLOv3检测网络，性能明显提升，对遥感图像中的目标检测更全面，精度更高，而且提高了训练速度和整体检测精度。