一种知识蒸馏方法及装置、存储介质、终端，所述方法包括：获取样本图像，将样本图像分别输入至教师网络和学生网络，教师网络包括第一特征提取模块，第一特征提取模块包括一个或多个级联的第一特征单元，学生网络包括第二特征提取模块，第二特征提取模块包括一个或多个级联的第二特征单元，样本图像具有标签；将每一第二特征单元计算得到的特征向量聚合至与该第二特征单元对应的第一特征单元计算得到的特征向量；根据第一特征提取模块输出的特征向量计算第一预测结果，根据第二特征提取模块输出的特征向量计算第二预测结果；根据第一预测结果、第二预测结果和标签计算蒸馏损失；根据蒸馏损失更新学生网络。
📄 202110443168X
📂 G06V10_44
👤 上海芯翌智能科技有限公司
📅 2021-04-23
本发明公开了一种适用于低算力设备的目标识别方法及系统，将采集的原始目标图像输入目标识别网络，输出高精度高稳定性的特征图；本发明提供的目标识别网络，包括顺序连接的一个3×3的conv基本单元、1个dp基本单元、1个R‑ECA模块、2个dp基本单元、1个R‑ECA模块、2个dp基本单元、1个R‑ECA模块、5个dp基本单元、1个R‑ECA模块、2个dp基本单元、1个R‑ECA模块；其中conv代表一个传统卷积层，dp代表一个深度可分离卷积层；conv基本单元和dp基本单元的输出均经过BN层和ReLU非线性激活函数处理后再输入下一单元。本发明可以有效提高网络的精度和稳定性，并适用于低算力设备。
📄 2023101156919
📂 G06V10_44
👤 湖北工业大学
📅 2023-02-10
本发明公开一种利用随机掩码和Transformer改进的短临降水预报方法，属于降水预测领域；一种利用随机掩码和Transformer改进的短临降水预报方法包括：S1，随机掩码时空序列图像；S2，构建网络模型，并将掩码标记后的时空序列图像输入网络进行模型训练；网络模型包括以UNet为核心模型的编码器‑解码器结构，在编码器中嵌入了SwinTransformer模块，并引入了SENet注意力机制；S3，模型训练过程中，输入图像通过前向传播过程得到预测值，然后根据损失函数进行反向调优不断对模型进行微调，最小化损失函数，实现模型的准确预测能力；S4，训练过程中使用L1+L2正则化，以防止过拟合。提高建模时空序列中的高阶非平稳性并同时学习时空序列中的短期和长期依赖信息，提高模型的预测准确性。
📄 2023100574128
📂 G06V10_44
👤 南京信息工程大学
📅 2023-01-14
本发明公开了一种视网膜病变细粒度分级方法及装置，将全局特征输入到注意力提取网络进行注意力特征提取，获取注意力特征图；使用信息量提取函数提取注意力特征图每一个通道的信息量，对所有通道的信息量进行排序，选取信息量前K的通道得到局部通道特征图；对局部通道特征图进行随机丢弃处理，将随机丢弃处理后的局部通道特征图进行二值化处理，并根据二值化处理结果选取待分级的视网膜图像中的局部区域，对所述局部区域采用第二密集连接神经网络提取局部特征，从而采用融合全局特征和局部特征进行分级。本发明在糖尿病性视网膜病变分级上拥有较好结果。
📄 2020109665576
📂 G06V10_44
👤 浙江工业大学
📅 2020-09-15
本发明涉及一种基于扩展离散模态分解的三维表面形貌特征提取方法，获取零件表面形貌的点云数据，预处理后生成表面模型，并设置力学参数；将表面模型投影至不同的模态基，生成多个离散模态，分别计算各个离散模态的波长；根据国标设置截止波长，将各个波长范围划分至表面形貌特征中的一种，对相同组的离散模态合并得到零件的表面形貌特征。本发明的方法实现了三维工程表面形貌特征的提取，并克服了传统表面滤波方法中由于末端数值的缺失，表面边界和孔洞处发生卷积畸变，造成数值失真的问题。
📄 2022103644471
📂 G06V10_44
👤 浙江工业大学
📅 2022-04-08
一种基于多尺度红外热特征融合的裂缝识别方法和装置，其方法包括：针对单帧红外热图像，得到裂缝和噪声的灰度图像；采用直方图均衡化调整图像灰度分布，得到灰度增强图像；为背景主导窗口和噪声主导窗口设置较大的局部特征敏感度权重系数，为目标复合窗口设置较小的局部特征敏感度权重系数；统计每个窗口内前景像素的个数，计算前景像素个数与总像素个数的比值；认定背景主导窗口、噪声主导窗口、目标复合窗口；设定背景主导窗口、噪声主导窗口、目标复合窗口的局部特征敏感度权重系数；分割灰度增强图像，得到二值化图像，提取前景像素的连通域；针对各个前景像素连通域，计算像素总数，随机选取若干个种子点，确定相应的最大内切圆，将所有最大内切圆直径的均值作为宽度，将像素总数与宽度的比值作为长度，将长宽比小于10的连通域视为噪声而筛除；优化前景像素连通域，去除细小噪声，平滑化轮廓，最终所得到的前景像素连通域视为裂缝。
📄 2025100839429
📂 G06V10_44
👤 浙江工业大学
📅 2025-01-20
一种基于树莓派的步态人脸融合识别方法，获取自行注册的步态数据，并进行图像处理；利用网络模型对数据集进行特征提取；采集被检测者的步态相关图像并进行特征提取；比对步态注册集和检测集特征，获得测试者身份和置信度；采集测试者面部信息，提取特征向量制作注册集；采集检测者在行走过程中的人脸图像，提取特征向量；比对人脸注册集和检测集特征，获得测试者身份和置信度结合行人距离摄影机距离的远近对于识别结果和置信度进行权重分配，得到最终识别结果。本发明能够有效、快速、精确地利用图像处理和训练模型进行步行姿态的处理和特征提取，从而完成对检测者身份的识别。其基于树莓派4B运行，便于携带和安装，且维护成本较低。
📄 2020108667748
📂 G06V10_44
👤 浙江工业大学
📅 2020-08-26
本发明公开了一种基于脉冲神经元的自适应卷积自动编码方法，包括：步骤1：原始图像经过第一卷积层提取特征并批标准化得到特征图，再输入至脉冲神经元发放脉冲得到各个预设定的编码时间窗口的原始图像脉冲编码序列；步骤2：通过脉冲像素值映射方法进行解码获得解码图像，比较编码时间窗口变化时解码图像与原始图像的相似度，自动找到自适应卷积脉冲编码处理不同数据集的最佳编码时间窗口；步骤3：基于最佳编码时间窗口，完成自适应卷积脉冲编码预训练。本发明方法可以自动找到处理不同数据集的最佳编码时间窗口，且能够在网络训练过程中，不断优化自适应卷积脉冲编码参数，以更好的表征捕获的外部刺激，最大限度地保留原始图像信息。
📄 2022114074039
📂 G06V10_44
👤 浙江工业大学
📅 2022-11-09
一种基于细粒度注意力的医学影像报告生成方法，包含：首先，通过预训练过的yolov5目标检测模型提取原始X射线全景图片中的牙齿和症状区域；通过denseNet‑121卷积神经网络对原始X射线全景图片提取特征，并与候选疾病标签文本通过跨模态注意力融合特征，得到粗粒度全局跨模态表示。随后，基于牙齿和症状区域的几何位置分布构建几何联结图，使牙齿和对应病灶区域在空间上对齐。然后，将区域图像特征根据几何联结图所表示的所属关系通过图注意力融合特征，得到细粒度的牙齿症状表示。最后，将粗粒度全局跨模态特征与细粒度牙齿症状表示输入具有两层跨模态注意力并由一个句子状态遗忘门控制的transformer桥塔文本生成器生成文本生成最后的报告文本。
📄 202211346536X
📂 G06V10_44
👤 浙江工业大学
📅 2022-10-31
一种基于特征金字塔的圣女果检测识别方法，包括：1.构建主干网络ResNet50，利用残差结构较强的特征提取能力获取图像的细致特征；2.设计混合膨胀卷积模块，利用膨胀卷积增大特征感受野的特点获取更多全局特征；3.构建特征金字塔，将不同层次特征中的差异性信息进行融合，消除不同特征之间相关性而产生的冗余信息；4.构建检测子网络，通过全连接结构输出真实目标概率及空间位置偏移量；5.使用K‑means聚类方法，得到最为适合的检测框尺寸；6.引入Focal Loss减少正负样本不平衡问题，并结合CIoU Loss有效提升边界框回归精度；7.采用迁移学习，加载主干网络预训练权重，加速模型收敛速度，优化模型训练效果；8.用训练好的模型对圣女果进行检测。
📄 2022104827446
📂 G06V10_44
👤 浙江工业大学
📅 2022-05-05
本发明公开了一种基于多尺度可变形Transformer网络的人与物交互检测方法，将待检测图像输入到多尺度骨干网络提取特征，并输入至可变形Transformer编码器中完成多尺度特征的编码，得到视觉上下文特征；然后将视觉上下文特征输入到级联架构的可变形Transformer解码器，得到人与物解码特征和动作解码特征；将人与物解码特征通过一个嵌入层以及FFN网络，检测得到人与物体的边界框和物体类别，将动作解码特征通过FFN网络，检测得到动作类别；最后将检测得到的人与物体的边界框、物体类别和动作类别通过非极大值抑制滤除重复的预测，在待检测图像中绘制显示得到最终的结果。本发明引入级联可变形解码器结构，以一致性地获得复杂环境中的交互预测。
📄 2022114476450
📂 G06V10_44
👤 浙江工业大学
📅 2022-11-18
本发明公开了一种基于深度监督和逐步学习的肠道息肉检测方法，利用PVT_V2对肠镜拍摄图像进行多尺度特征提取；将提取到的多尺度特征输入细节增强模块，输出细节增强后的特征；将细节增强后的特征输入指导融合模块，使低层特征在高层特征的指导下与高层特征进行融合；将最高层的特征输入多分支解码器模块，得到多尺度信息融合解码后的特征；将细节增强后的特征与前一个多尺度解码器的输出结果输入多尺度解码器，逐步学习得到每一层多尺度解码器的输出特征；将多尺度解码器的输出特征通过一个一层卷积层，得到检测结果。本发明在多尺度解码器中继续突出多尺度的细节信息，实现了对肠道息肉的精准定位和准确检测，并具有良好的泛化能力。
📄 202211007876X
📂 G06V10_44
👤 浙江工业大学
📅 2022-08-22
柿子坊 · 知识产权运营
柿子坊知识产权运营平台