本申请提供了一种用于图像数据识别模型构建的方法及系统。其方法包括：获取包括真值标注的图像数据集；基于图像数据集和教师网络模型，采用FSP方法对学生网络各层权重进行初始化，以得到至少两个网络结构相同的学生网络模型；基于包括真值标注的图像数据集，采用DML蒸馏方法训练每个学生网络模型，当训练后的学生网络模型都满足预设条件，将训练后的学生网络模型作为图像数据识别模型。通过该方法，从教师网络模型迁移学习，得到至少两个结构相同且完成各层权重初始化的学生网络模型，可避免数据少无法很好初始化神经网络等问题，且可降低训练难度，采用DML蒸馏方法，得到识别能力有保障的图像数据识别模型，训练周期短、速度快、易部署，适用性广。
📄 2023108217487
📂 G06V10_82
👤 上海芯翌智能科技有限公司
📅 2023-07-05
一种液柱型仪表的读数识别方法及装置、存储介质、终端，所述方法包括：获取多张第一样本液位图像，所述多张第一样本液位图像包括量程区域，所述量程区域被液位划分为液柱区域和非液柱区域；采用样本液位图像集对预设识别模型进行训练，以得到液位识别模型；获取待识别液位图像，所述待识别液位图像包含待识别的液柱型仪表的影像；将所述待识别液位图像输入至所述液位识别模型，以得到所述液位识别模型输出的液位比例；根据所述液位识别模型输出的液位比例和所述待识别的液柱型仪表的量程，确定所述待识别的液柱型仪表的读数。通过本发明提供的方案，可以高效、准确地确定液柱型仪表的读数。
📄 2022100613946
📂 G06V10_82
👤 上海芯翌智能科技有限公司
📅 2022-01-19
本发明涉及深度学习技术领域，提出一种用于神经网络训练的伪标签生成方法及系统，包括以下步骤：将输入图像及其对应的图像级别标签传输至基于残差结构的分类骨干网络进行注意力池化，得到类激活图，以及，将输入图像传输至显著对象检测网络进行区域检测，得到显著性图；融合类激活图与显著性图的各区域特征，合成输入图像的边界伪标签；利用边界伪标签监督边界检测网络的训练，并将输入图像传输至已训练完成的边界检测网络进行边界检测，提取输入图像的边界；利用边界引导类激活图进行细化传播，生成与输入图像相对应的语义分割伪标签。本发明能够大幅降低人工标注像素级标签的成本和时间，提高语义分割伪标签的精度和生成效率。
📄 2023113319796
📂 G06V10_82
👤 暨南大学
📅 2023-10-16
本发明提供了一种基于YOLOv11改进的下水道内部缺陷检测方法和系统，所述方法通过自适应特征融合模块实现多层次特征的动态加权融合，增强模型对小目标和复杂背景的检测能力；通过 SENet 注意力机制提高通道特征的选择性，降低背景干扰；引入 MPDIoU 损失函数改进边界框回归损失。改进的模型在裂痕、障碍物、腐蚀、变形等下水道缺陷的检测任务中性能显著优于原始 YOLOv11，特别是在mAP50（平均精度）、Box 精度（P）和召回率（R）等关键指标上均有显著提升。该发明可实现对下水道内部多类型缺陷的高效、精准检测，为下水道维护与管理提供了更优的解决方案。
📄 2025100277370
📂 G06V10_82
👤 南京信息工程大学
📅 2025-01-08
本发明公开了一种基于多循环对比增强一致性的自监督跟踪损失优化方法，属于目标跟踪技术领域。该方法为：对训练数据集中的视频帧依次执行前向跟踪和反向跟踪，并对前向跟踪和反向跟踪最后一步的模板帧进行数据增强操作；根据第一帧的真实目标标签及其反向跟踪生成的伪标签构建循环一致性损失；根据增强后的视频帧与对应的原始视频帧在执行前向跟踪和反向跟踪的差异构建对比增强损失；联合循环一致性损失和对比增强一致性损失对自监督跟踪模型进行优化。本发明利用数据增强技术来模拟目标外观变化，在视频帧中构造对比增强一致性损失来优化跟踪模型，实现了高性能的跟踪。
📄 2023107589482
📂 G06V10_82
👤 南京信息工程大学
📅 2023-06-26
本发明的目的是为了一种基于Unet的云和云影改进型语意分割方法，包括：对Unet模型进行改进，得到语义分割子网络；采用语义分割子网络对输入的云图进行处理，通过上采样获取语义分割特征图；构成四个卷积阶段，通过 1×1 的卷积操作对四个卷积阶段所得到的特征图进行融合，构建得到边缘检测子网络；采用边缘检测子网络对输入的云图进行处理，得到边缘检测特征图；对输入的云图、语义分割特征图和边缘检测特征图进行加权融合，输出云和云影分割结果。本发明能够有效提高云和云影的种类或者形状较多时的复杂云图的识别准确率。
📄 2025103724569
📂 G06V10_82
👤 南京信息工程大学
📅 2025-03-27
本发明涉及计算机视觉技术领域，具体是一种基于改进Faster‑RCNN的小目标检测方法，包括以下步骤：数据预处理：将研究数据加载，进行数据增强处理；模型训练：将增强处理过的数据送入检测网络中，经过多次迭代训练，获得最优的网络模型；模型测试：加载训练好的网络模型，提取测试集中的目标特征信息，判断其位置及对应类别，得到最终的检测结果；本发明提出将全局与局部特征进行交互，得到全局‑局部特征信息，送入检测头进行检测，解决误检、漏检问题。此外，主干网络特征经过横向增强模块送入FPN中，加强对通道目标信息的关注，提升小目标检测效果。
📄 2022108361394
📂 G06V10_82
👤 南京信息工程大学
📅 2022-07-15
本发明公开了一种基于神经通路激活状态的深度学习测试样本的生成方法及装置，方法包括以下步骤：1)获取图数据集与深度学习模型；2)预训练深度学习模型并获得神经通路激活状态特征矩阵；3)构建样本批次；4)变异操作；5)生成测试样本，其中包括计算变异样本与神经通路激活状态特征矩阵的距离，保持神经通路激活状态一致的情况下，根据梯度上升最大化修改测试样本与原始样本的距离并最终生成数据集与相应深度学习模型的测试集。该方法可以根据深度学习模型内部神经元与神经元、层与层之间的联系，有针对性地生成测试样本。
📄 2020103244342
📂 G06V10_82
👤 浙江工业大学
📅 2020-04-22
本发明公开了一种基于HSV色彩空间颜色注意力的胶囊内窥镜图像病灶识别方法，以ResNet为骨干建立注意力基础网络后，加入基于HSV色彩空间颜色注意力模块形成最终模型；对胶囊内窥镜小肠数据集进行训练和测试，最终得到图像病灶识别和评估结果。本发明创新性设计了一种基于HSV色彩空间的颜色特征提取方法，并将其融入到神经网络中，根据颜色特征在空间位置上提供高效的病灶相关先验信息，将网络模型的注意力集中于病灶区域，从而提高病灶分类的精度。
📄 2023110051085
📂 G06V10_82
👤 浙江工业大学
📅 2023-08-10
一种基于改进YOLO v4的轻量级行人车辆检测方法，包括以下步骤：1)将数据集划分为训练集、验证集和测试集；2)对数据集标签中的真实目标框进行聚类分析，获得先验框尺寸；3)利用Ghost模块搭建主干网络，用于提取数据集的视觉特征，在保证特征质量的同时缩减参数量；4)使用不同扩张率的空洞卷积提升网络的多尺度感知能力；5)对提取到的特征进行特征聚合；6)将聚合后的特征输入检测头，对目标的位置和类别进行预测，利用损失函数训练模型；7)将测试集图像输入训练得到的网络模型进行检测，输出目标的检测结果。本发明在保证行人车辆检测精度的同时，拥有较小的模型参数量，检测速度较快，降低了对于硬件设备性能的需求。
📄 2021105332450
📂 G06V10_82
👤 浙江工业大学
📅 2021-05-17
本发明提供一种基于Yolov8改进的电力基建场景的目标检测方法，属于人工智能及目标检测技术领域。本发明将人工智能技术融入电力作业场景，能够预防作业过程中潜在的安全隐患；其通过构建结合ConvFormer与卷积门控线性单元Convolutional Gated Linear Unit网络的模块，代替Yolov8模型框架中的C2f网络模块，能够在保证算法检测准确率的前提下，有效减少了模型的计算参数；同时，通过构建共享卷积模块Feature Shared Conv替换Yolov8模型框架中的SPPF网络模块，能够捕捉图像中更加精细的特征，提升模型在面对复杂场景时的检测准确率。
📄 2025102770038
📂 G06V10_82
👤 浙江工业大学
📅 2025-03-10
本发明公开了一种基于编码器解码器的次路引导主路学习交互检测方法，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双路学习模块的主路和次路，得到主路和次路分别输出的用于人、物和交互的特征；将主路和次路输出的用于人、物和交互的特征输入所述交互预测模块，得到分别对应于主路和次路的预测结果；根据对应于主路和次路的预测结果进行一致性学习，并对主路和次路进行损失监督，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。本发明引入多层感知机进行全局感受野编码，以克服上述背景技术中所提出的技术问题。
📄 2022111759072
📂 G06V10_82
👤 浙江工业大学
📅 2022-09-26
柿子坊 · 知识产权运营
柿子坊知识产权运营平台