一种基于多通道协同胶囊网络的结肠癌病理学图像分类方法，利用胶囊网络的动态路由机制构建网络模型，在特征提取层利用多输入特征融合方式进行图片的特征提取，并在胶囊层并行多个通道来加速训练，然后利用margin loss损失函数对模型进行训练。本发明有效的克服了传统卷积神经网络技术在训练过程中空间信息丢失、不具有旋转、平移不变性等问题，并利用特征融合提高了模型的泛化能力，胶囊层允许通道间协同合作加速训练，能够有效的节约时间成本，减少网络的参数，使网络训练更加的高效的网络。
📄 2019113969158
📂 G06V10_40
👤 浙江工业大学
📅 2019-12-30
本发明公开了一种基于特征对齐和关键点辅助激励的目标检测方法，用于基于退化热成像图进行目标检测实现目标定位，基于特征对齐和关键点辅助激励的目标检测方法，包括：获取带标签的退化热成像图以及对应的可见光图生成训练集；构建损失函数，利用训练集优化预构建的目标检测模型；利用优化后的目标检测模型处理待检测的退化热成像图，输出标记目标后的退化热成像图。本发明提供的基于特征对齐和关键点辅助激励的目标检测方法，其检测精度高，定位热成像目标精准，可拓展性强。
📄 2020114106774
📂 G06V10_40
👤 浙江工业大学
📅 2020-12-04
本发明公开了一种基于编码器解码器结构的增强样本和增强查询的交互检测方法，包括取已标注的交互图片输入特征提取模块，得到由特征提取模块输出的图片特征；将图片特征分别输入所述动态语言信息生成查询模块和掩码真值去噪模块，得到两组用于查询人、物和交互的查询；将两组查询输入到解码器得到两组用于预测交互三元组的特征；再将两组特征输入交互预测模块得到预测结果。根据多标签Focal损失和交互损失，监督预测结果，更新深度学习模型的网络参数；取训练后最优的深度学习模型对待检测的交互图片输出预测结果。本发明引入动态语言信息生成查询模块和掩码真值去噪模块，以克服上述背景技术中所提出的技术问题。
📄 2023101822500
📂 G06V10_40
👤 浙江工业大学
📅 2023-03-01
一种基于去噪扩散模型的熔炉氧浓度预测方法，属于能源过程软测量建模技术领域。其包括以下步骤：(1)获取熔炉火焰图像数据；(2)熔炉火焰图像数据预处理及数据集划分；(3)建立基于U‑Net的预测模型；(4)构建融入DDPM的联合预测模型，并使用火焰图像数据集训练模型；本发明提出了一种基于去噪扩散模型的熔炉氧浓度预测方法，将U‑Net输出特征图的过程与DDPM逆向去噪过程相结合，提高模型的特征提取能力，从而提升模型使用火焰图像数据的预测准确度。
📄 2024111415384
📂 G06V10_40
👤 浙江工业大学
📅 2024-08-20
一种基于面向点云的局部语义和跨层级依赖的图像识别方法，其特征在于，包括：1：构建基于面向点云的局部语义和跨层级依赖的图像识别系统；2：图像采集模块采集原始图像数据；3：预处理模块对原始图像数据进行预处理，得到标准数据；4：LCHNet网络中的嵌入层获取标准数据，提升标准数据的特征维度，得到嵌入数据；5‑8：各个特征提取模块对输入数据数据进行特征提取，得到特征数据；9：中介注意力模块进行中介注意力机制计算，得到多层次特征数据；10：加法单元将第四特征数据和多层次特征数据相加，得到综合特征数据；11：图像识别模块对综合特征数据进行图像识别操作，输出图像识别结果。效果：提高了点云模型的泛化能力和特征提取能力。
📄 2025102065920
📂 G06V10_40
👤 西南大学
📅 2025-02-25
本发明公开了一种基于注意力和双向加权特征融合的车辆目标检测方法，应用于交通技术领域，其中包括：选取UA‑DETRACK数据集，并对数据集进行预处理；对数据进行增强，并将处理后的图像作为训练样本；对车辆进行目标编码，然后进行网络的搭建；对于训练的样本进行特征提取，然后对提取的特征进行特征融合；对搭建好的网络进行训练，得到目标检测模型；对目标检测模型进行测试，并输出结果。通过引入带注意力机制的特征融合模式，解决中大目标，被遮挡或截断目标的检测精度低的问题。
📄 2023104988989
📂 G06V10_40
👤 吉林化工大学
📅 2023-05-05
本发明公开了一种基于云计算的图形图像快速识别方法，涉及图像识别技术领域，解决了现有技术在图像识别时，受限于人力物力和识别效率，无法对图形图像进行快速识别的技术问题；本发明通过与数据采集模块相连接的数据服务平台获取大量的基础图像数据，结合树状分类技术和基础图像数据对应的基础图像特征构建图像特征库，将基础图像数据与图像特征库中对应的末尾枝干进行关联；通过构建完善有序的图像特征库，为后续图形图像的快速识别奠定基础；本发明根据目标特征在图像特征库中有序检索定位，确定末尾枝干；将待识别图像和末尾枝干关联的基础图像数据进行逐一对比，获取识别结果；降低了大批量图像识别时的数据处理量，提高图形图像识别的效率。
📄 2023100085600
📂 G06V10_40
👤 南昌交通学院
📅 2023-01-04
本申请实施例提供的一种特征提取方法、装置、电子设备及存储介质，应用于智能终端，可以获取预先设置的窗口参数；按照窗口参数，进行窗口大小的设置，得到目标窗口；获取目标对象的属性信息集；利用目标窗口对属性信息集进行滑动选取，得到多个属性信息单元；通过各属性信息单元对应的预设算子对多个属性信息单元进行计算，得到目标对象的目标特征。通过本申请实施例的方法，用户可以仅针对不同的应用场景设置不同的窗口，就可以根据预先设置的窗口参数进行属性信息的切分，并通过对应的算子进行计算，得到目标对象的目标特征，从而提高特征工程的拓展性。
📄 2021114361005
📂 G06V10_40
👤 杭州海康威视数字技术股份有限公司
📅 2021-11-29
本发明提出了一种高效的卷积神经网络车牌定位方法。主要是针对车牌识别此类特殊问题，优化了网络结构，提出了一种高效的卷积神经网络结构，此网络结构的优点是能够在不损失检测准确度的条件下减小模型的权重文件大小以及降低检测时间。实施方式如下：首先建立车牌数据库；利用K均值聚类方法生成锚框；设计一种计算量小、权重参数数量少的高效深度神经网络结构；用Adam优化算法在最终数据集上训练网络模型；并采用YOLOv3作为对比算法对本模型进行评估。本发明提出了一种针对于车牌检测的卷积神经网络结构，能够在模型检测准确度基本不变的条件下，减小了模型的权重文件大小，降低了车牌检测时间。
📄 2020102256499
📂 G06V10_40
👤 西安电子科技大学,陕西理工大学
📅 2020-03-27
本申请公开了一种基于定向空间及多尺度特征提取网络的特征提取方法及检测系统，涉及布匹瑕疵检测技术领域，解决了现有技术中在对形态各异且细微的瑕疵进行特征提取时特征提取的精度较低的问题，该方法包括：获取纺织布匹图像，利用定向空间及多尺度特征提取模块对所述纺织布匹图像进行特征提取，其中，所述定向空间及多尺度特征提取模块，所述定向空间及多尺度特征提取模块采用多分支并行梯度堆叠的方式编排网络内部特征提取的信息流，在定向空间及多尺度特征提取模块中采用重参数化卷积模块作为分支特征提取组件，能够更有效地提取经、纬向瑕疵的空间特征，使得特征提取更为精准，并且能够捕获从全局到局部、从小尺度到大尺度的瑕疵特征。
📄 2024116933801
📂 G06V10_40
👤 浙江理工大学
📅 2024-11-25
本发明公开一种纺织图像的特征提取方法，包括步骤：S1、将待提取特征的织物图像切分成M×M像素，并将织物图像转化为灰度图像；S2、将步骤S1中得到的织物图像经过基于互相干准则的字典优化，得到织物图像的字典矩阵D；S3、令步骤S2中得到的字典矩阵D＝Φ，并同灰度化织物图像共同构成稀疏表示模型y＝Φx+ξ，其中，y为灰度化织物图像，ξ为观测噪声，设置控制x更新的超参数α和控制ξ更新的超参数β，并根据稀疏贝叶斯学习稀疏表示模型进行求解，求得x的表达式，并更新超参数α、β以对x进行更新，最终得到织物图像的稀疏特征x。本发明充分提取了织物图像的深层特征结构，并使得特征矩阵保持稀疏性，有效的提取了纺织图像瑕疵特征的同时减少数据冗余。
📄 2020115334373
📂 G06V10_40
👤 浙江理工大学
📅 2020-12-23
一种基于改进YOLOv4‑tiny的多尺度目标检测方法，在YOLOv4‑tiny的主干特征提取网络之后引入快速空间金字塔池化结构，丰富小目标的空间特征信息，实现局部特征和全局特征的融合；将YOLOv4‑tiny算法的FPN网络改进为三层的路径增强特征金字塔网络，提升对不同尺度目标的检测能力，同时在浅层增加一个预测输出头，提高小目标的识别率；引入通道注意力机制，使网络更加关注待检测目标，提高检测精度。本发明的方法在精度上比YOLOv4‑tiny提升了12map@0.5和13.98map@0.5:0.95，在推理速度上比YOLOv4提升了132FPS，在多尺度目标检测任务中有一定的实用性。
📄 2022110887336
📂 G06V10_40
👤 南京信息工程大学
📅 2022-09-07
柿子坊 · 知识产权运营
柿子坊知识产权运营平台