公开(公告)号：CN114742922A

公开(公告)日：2022-07-12

申请号：CN202210362444.4

申请日：2022-04-07

Applicant: 苏州科技大学

Inventor： 夏振平 ,  张博文 ,  宋玉 ,  张跃渊 ,  胡伏原

IPC: G06T11/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种自适应的图像引擎色彩优化方法、系统及存储介质，包括：从AVA数据集中获取数据集中的目标图像，对所述目标图像使用退化算法得到原始图像，将原始图像和对应的目标图像组合成图像对构建初始数据集，通过NIMA模型分别对初始数据集中的目标图像及原始图像进行评分，根据评分对初始数据集进行调整生成最终数据集；基于全卷积神经网络构建图像引擎色彩优化模型，将最终数据集输入图像引擎色彩优化模型进行训练，通过所述图像引擎色彩优化模型实现图像色彩优化。本发明中采用全卷积神经网络融合了多种图像优化算法，可以替代多种独立算法组合而成的传统算法，构建大规模数据集以增强网络的泛化性能，防止过拟合。

公开(公告)号：CN115661582A

公开(公告)日：2023-01-31

申请号：CN202211413731.X

申请日：2022-11-11

Applicant: 苏州科技大学

Inventor： 夏振平 ,  林李兴 ,  徐浩 ,  张博文 ,  陈豪 ,  程成

IPC: G06V10/774 ,  G06V10/82 ,  G06N3/08

Abstract: 本发明公开了一种训练深度学习模型的方法、装置、电子设备及存储介质，属于深度学习技术领域。方法包括利用小样本数据集对待训练的深度学习模型进行初次训练；采集待检测产品的图像并将其输入至训练后的深度学习模型中进行预测，并在人机交互界面显示预测结果，判断是否需要进行矫正标注，并在是时进行矫正并设置相应权重，并将矫正标注后的图像和对应的标注添加至迭代数据集中，并利用其对模型进行迭代训练；判断准确率是否高于原深度学习模型，根据判断结果使用迭代后的深度学习模型参数替换旧的深度学习模型参数或者重新对迭代数据集进行切分并重新训练。本发明能够实现在线检测的同时训练深度学习模型，减少部署时对数据集数量的要求。

公开(公告)号：CN114742922B

公开(公告)日：2024-11-29

申请号：CN202210362444.4

申请日：2022-04-07

Applicant: 苏州科技大学

Inventor： 夏振平 ,  张博文 ,  宋玉 ,  张跃渊 ,  胡伏原

IPC: G06T11/40 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种自适应的图像引擎色彩优化方法、系统及存储介质，包括：从AVA数据集中获取数据集中的目标图像，对所述目标图像使用退化算法得到原始图像，将原始图像和对应的目标图像组合成图像对构建初始数据集，通过NIMA模型分别对初始数据集中的目标图像及原始图像进行评分，根据评分对初始数据集进行调整生成最终数据集；基于全卷积神经网络构建图像引擎色彩优化模型，将最终数据集输入图像引擎色彩优化模型进行训练，通过所述图像引擎色彩优化模型实现图像色彩优化。本发明中采用全卷积神经网络融合了多种图像优化算法，可以替代多种独立算法组合而成的传统算法，构建大规模数据集以增强网络的泛化性能，防止过拟合。