-
Patent Agency Ranking
公开(公告)号：CN111950525B
公开(公告)日：2022-09-16
申请号：CN202010894444.X
申请日：2020-08-31
Applicant: 福州大学
IPC: G06V40/18 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/04
Abstract: 本发明涉及一种基于破坏重建学习与GoogLeNet的Inception v4网络结构的细粒度图像分类方法，包括步骤：构建训练集，并对其中的图像进行预处理；对训练集中的每幅原始图像，将其划分为n*n个局部区域，再通过RCM处理得到对应原始图像的重组图像；分别构建由分类网络、判别网络以及区域对齐网络构成的重建破坏学习网络，并分别定义与分类网络、判别网络以及区域对齐网络对应的分类损失、对抗性损失以及区域对齐损失；以三个损失之和最小化为目标训练重建破坏学习网络；利用训练好的重建破坏学习网络中的分类网络对输入的图像进行分类。本发明在对细粒度图像的分类上取得了显著的效果。
-
公开(公告)号：CN111950525A
公开(公告)日：2020-11-17
申请号：CN202010894444.X
申请日：2020-08-31
Applicant: 福州大学
Abstract: 本发明涉及一种基于破坏重建学习与GoogLeNet的Inception v4网络结构的细粒度图像分类方法，包括步骤：构建训练集，并对其中的图像进行预处理；对训练集中的每幅原始图像，将其划分为n*n个局部区域，再通过RCM处理得到对应原始图像的重组图像；分别构建由分类网络、判别网络以及区域对齐网络构成的重建破坏学习网络，并分别定义与分类网络、判别网络以及区域对齐网络对应的分类损失、对抗性损失以及区域对齐损失；以三个损失之和最小化为目标训练重建破坏学习网络；利用训练好的重建破坏学习网络中的分类网络对输入的图像进行分类。本发明在对细粒度图像的分类上取得了显著的效果。
-
公开(公告)号：CN111681240A
公开(公告)日：2020-09-18
申请号：CN202010648624.X
申请日：2020-07-07
Applicant: 福州大学
Abstract: 本发明涉及一种基于YOLO v3与注意力机制的桥梁表面裂痕检测方法，包括以下步骤：将数据集分为训练集与测试集；构建Crack-YOLO网络，并对该网络的输出检测框进行优化；采用训练集对优化好的Crack-YOLO网络进行训练，采用测试集对训练好的Crack-YOLO网络进行测试；将待测试的图片输入测试通过的Crack-YOLO网络，以检测桥梁表面裂痕。本发明能够准确识别和定位桥梁裂痕。
-
公开(公告)号：CN111681240B
公开(公告)日：2022-09-16
申请号：CN202010648624.X
申请日：2020-07-07
Applicant: 福州大学
Abstract: 本发明涉及一种基于YOLO v3与注意力机制的桥梁表面裂痕检测方法，包括以下步骤：将数据集分为训练集与测试集；构建Crack‑YOLO网络，并对该网络的输出检测框进行优化；采用训练集对优化好的Crack‑YOLO网络进行训练，采用测试集对训练好的Crack‑YOLO网络进行测试；将待测试的图片输入测试通过的Crack‑YOLO网络，以检测桥梁表面裂痕。本发明能够准确识别和定位桥梁裂痕。
-
公开(公告)号：CN111860406A
公开(公告)日：2020-10-30
申请号：CN202010742651.3
申请日：2020-07-29
Applicant: 福州大学
Abstract: 本发明提出一种基于区域混淆机制神经网络的血细胞显微图像分类方法，对用于训练的血细胞显微图像进行预处理操作；将经过处理后的图像数据输入深度神经网络框架中的训练分支，在训练阶段引入区域混淆机制，将输入图像的全局结构打乱，迫使分类器对血细胞图像的局部精细特征进行提取，再通过对抗性学习网络对混淆后引入的噪声干扰进行消除，并通过混淆后图像与原图像的语义相关性，对图像的结构信息进行建模；通过上述分支提取出分类器的最优参数，并将最优参数直接赋予分类主干网络分支，进行最终的分类预测工作。
-
-
-
-
Search Results
5
records
(took 0.014 seconds)
