基于条件对抗自编码网络的特征学习方法,其通过标签变量来控制生成结果,生成具有标签的样本用以辅助其他学习任务,提高图像识别效率;同时本发明还公开了基于条件对抗自编码网络的特征学习方法的图像识别方法,其能够在复杂的对象布局以及多标签图像场景时,获得高精度的图像识别效果。其包括S1选定训练集;S2选定先验分布函数;S3以对抗自编码网络模型为基础,在网络模型中的判别器或者编码器的输入数据中引入样本数据的标签信息,构建网络模型;S4训练网络模型,以优化网络模型中的参数;S5通过训练好的网络模型中的判别器进行数据特征的提取、或者利用训练好的生成器生成原始输入的重构。
📄 2018113799006
📂 G06K9_62
👤 江南大学
📅 2018-11-20
本发明涉及图像识别算法技术领域,具体公开了一种用于解魔方机器人中的图像识别算法,其中,包括:获取魔方图像,其中魔方图像为魔方打乱后的图像;对所述魔方图像进行图像分割处理,得到魔方每相邻两个平面之间的面边界点;根据所述面边界点做透视变换,得到变换图像;根据所述变换图像捕捉每个独立色块;对每个所述独立色块进行图像颜色识别。本发明提供的用于解魔方机器人中的图像识别算法,由于通过将魔方图像进行透视变换,根据透视变换后的图像进行处理并进行颜色识别,可以有效提高识别准确率与鲁棒性。
📄 2020108136024
📂 G06V20_20
👤 江南大学
📅 2020-08-12
一种用于数字图像识别的构建型神经网络参数融合优化方法,属于人工智能数字图像识别领域。本方法包括:构建融合优化性能指标;融合优化算法;利用构建的神经网络进行数字图像识别。本发明还通过收敛性分析验证了本发明的有效性,其中第一部分为准备环节,第二部分的IOM算法为本发明的关键技术和实现步骤,第三个部分为理论保证。本发明提供一种隐含层节点参数和输出层参数的同步联合优化方法,在理论上相比于现有方法具有更小的保守性。本方法生成的构建型神经网络模型比现有方法产生的模型结构更紧凑,冗余节点更少,计算速度更快。相比于现有方法产生的模型在学习阶段的后期,误差收敛的速度更快,收敛精度更高,泛化性能更好。
📄 2020107665497
📂 G06V10_774
👤 江南大学
📅 2020-08-03
本发明公开了一种用于农业机械的耕深检测系统及检测方法,包括移动轮、支撑腿、加固板、调控装置、牵引臂、第一蓄电池和检测部,所述加固板固定连接在所述检测部的两侧,所述支撑腿固定连接在所述加固板的两端底部,所述移动轮转动安装在所述支撑腿的底部,所述牵引臂固定连接在所述加固板的外侧端中部,所述第一蓄电池固定安装在所述牵引臂的上端。本发明可以对耕地的深度进行实时精准方便的检测,使得耕地的深度过深过浅时均可以被方便的观测到,并且可以自动的报警。
📄 2022115139596
📂 A01B33_08
👤 柴晓梅
📅 2022-11-29
本发明公开了一种基于画蜡平台的自动控制系统和反馈修复方法,通过画蜡平台上的高精度摄像头采集产品图像信息,并上传至预训练缺陷检测与修复模型的云服务器。模型通过对比原始图像与产品图像,识别并区分边缘缺失、填充不足等缺陷,提取缺陷区域坐标,根据轨迹规划程序生成修复文件,发送至控制系统执行动态修复。修复完成后,系统对修补效果进行检测和质量验证,形成闭环反馈,同时更新模型缺陷特征库,提升模型适应性和精度。此外,自动控制系统集成了上位机及云服务器功能,能够高效实现画蜡任务的自动化操作和反馈修复流程。本发明有效提高了蜡染产品的质量和生产效率,适用于蜡染工艺的数字化与智能化场景,具有广泛的工业应用价值。
📄 2025102913900
📂 G06T7_00
👤 重庆邮电大学
📅 2025-03-12
本发明公开了一种低功耗卷积脉冲异构神经形态图像识别系统,包括:基于全数字集成电路的神经网络处理器,包括依次连接的事件编码器、卷积特征提取电路以及事件驱动神经网络推理引擎;事件编码器用于将输入图像转换为脉冲序列事件流;卷积特征提取电路用于基于卷积窗口对脉冲序列事件流执行有重叠的栅型扫描卷积,依次提取各个卷积窗口的局部空间特征作为卷积响应,形成稀疏空间卷积特征图;事件驱动神经网络推理引擎包括依次连接的记忆无关事件响应神经元层、非重叠最大聚合层、突触交叉阵列、记忆相关事件响应神经元层和事件解码器。本发明提出的系统,大幅降低延迟并显著提升神经计算的系统级并行度与运算效率,精度和速度更高,功耗更低。
📄 2025116929181
📂 G06V10_764
👤 暨南大学
📅 2025-11-18
本发明涉及图像分析技术领域,具体为基于图像识别的建筑裂缝检测系统,包括以下步骤:透视畸变修复模块、裂缝轮廓补全模块、边界模糊恢复模块、结构风险映射模块、构件归属识别模块。本发明中,通过对多角度采集的图像进行几何修复,能够在保持真实构件空间关系的同时消除因透视差异带来的误差,并在裂缝路径推断过程中结合边缘间距变化和方向差异完成缺失部分的补足,使裂缝走向与整体边界具备连续性与完整性,利用灰度波动与方向一致性检索模糊区域,在边界模糊情况下实现精确延展与拟合,建立裂缝区域与周边片区的干扰强度关系,实现对裂缝风险的细化评估,结合坐标点分布比例与路径方向偏差,使裂缝归属构件更为明确。
📄 2025113970998
📂 G06T7_00
👤 北京联建建设有限公司
📅 2025-09-28
本发明涉及计算机视觉与人工智能技术领域,且公开了一种基于深度学习的智能图像识别与分类系统,系统包括图像预处理模块、特征提取模块、语义建模模块、分类决策模块及自适应优化模块。该系统首先对原始图像进行标准化处理,提取多尺度纹理与边缘特征,并结合注意力机制建模上下文语义信息,形成高维表示;随后通过非线性分类映射实现多标签输出,并依据预测误差自适应优化参数权重。系统在多类别图像场景中具备高鲁棒性与泛化能力,适用于复杂图像环境下的智能识别与精细化分类任务。
📄 2025107060105
📂 G06V10_764
👤 淮安嘉硕科技有限公司
📅 2025-05-29
本发明公开了一种融合注意力特征聚合与概率建模的广义零样本图像识别方法与系统。方法包括:利用预训练视觉骨干网络提取图像特征,采用全局语义标记与注意力加权图像块聚合相拼接的方式获取兼顾全局语义与局部细节的图像表示,并通过可学习映射模块将其投影至图像对应的语义属性空间;对样本被标记状态的条件概率进行显式参数化,推导训练集与混合测试集样本的联合似然目标函数,构建面向混合分布的概率建模框架;通过端到端训练使映射模型同时完成视觉‑语义对齐与已见类/未见类的概率解耦。本发明从标签不完整性的本质视角出发,通过混合分布概率建模来缓解广义零样本学习中的已见类偏置问题,且无需未见类数据参与训练,具有灵活实用的特点。
📄 2026106456345
📂 G06V10_80
👤 南京信息工程大学
📅 2026-05-12