公开(公告)号：CN115482454A

公开(公告)日：2022-12-16

申请号：CN202211157147.2

申请日：2022-09-21

Applicant: 电子科技大学

Inventor： 许林峰 ,  王志川 ,  邱子欢 ,  吴庆波 ,  潘力立 ,  孟凡满 ,  李宏亮

IPC: G06V10/82 ,  G06V10/764 ,  G06V10/80 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种基于泛化特征表示和自适应蒸馏的类增量图像识别方法，属于图像处理和深度学习领域，本发明方法包括：利用泛化特征表示正则模块约束网络骨干学习更泛化的特征表示，从而兼顾新知识的容纳和旧知识的保持；利用自适应蒸馏算法动态地调整在学习新类别时用来保持旧类别知识的蒸馏方法的强度。本发明能有效避免学习新的类别时造成的旧类别遗忘的现象，并且不额外增加模型参数量或网络结构。本发明有效提升了模型处理类增量问题的性能。

公开(公告)号：CN113870290B

公开(公告)日：2022-06-03

申请号：CN202111149050.2

申请日：2021-09-29

Applicant: 电子科技大学

Inventor： 许林峰 ,  邱子欢 ,  王志川 ,  张苗苗 ,  许自勇 ,  樊杰

IPC: G06T7/12 ,  G06T3/40 ,  G06N3/08

Abstract: 本发明公开了一种基于边缘分布引导的图像分割方法，属于图像处理和深度学习领域。本发明包括：1)采集原始图像数据，进行数据预处理形成训练数据集；2)构建特征提取器；3)构建边缘分布生成模块；4)构建基于边缘分布引导的解码器；5)将边缘分布预测模块和边缘分布引导的解码器插入到特征提取器，构建基于边缘分布引导的分割网络；6)利用训练数据集对基于边缘分布引导的分割网络进行训练；7)输入新的图像，使用已经训练好的基于边缘分布引导的分割网络输出最终的分割结果。本发明基于边缘分布引导的解码器使用生成的边缘分布图自动纠正分割结果中与边缘分布矛盾的部分，从而生成更加精确的图像分割结果。

公开(公告)号：CN113870290A

公开(公告)日：2021-12-31

申请号：CN202111149050.2

申请日：2021-09-29

Applicant: 电子科技大学

Inventor： 许林峰 ,  邱子欢 ,  王志川 ,  张苗苗 ,  许自勇 ,  樊杰

IPC: G06T7/12 ,  G06T3/40 ,  G06N3/08

Abstract: 本发明公开了一种基于边缘分布引导的图像分割方法，属于图像处理和深度学习领域。本发明包括：1)采集原始图像数据，进行数据预处理形成训练数据集；2)构建特征提取器；3)构建边缘分布生成模块；4)构建基于边缘分布引导的解码器；5)将边缘分布预测模块和边缘分布引导的解码器插入到特征提取器，构建基于边缘分布引导的分割网络；6)利用训练数据集对基于边缘分布引导的分割网络进行训练；7)输入新的图像，使用已经训练好的基于边缘分布引导的分割网络输出最终的分割结果。本发明基于边缘分布引导的解码器使用生成的边缘分布图自动纠正分割结果中与边缘分布矛盾的部分，从而生成更加精确的图像分割结果。