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
本发明涉及一种融合模块和多尺度特征融合卷积神经网络及图像识别方法,包括上一层、融合层以及级联层,所述上一层将输入图片通过所述融合层运算,再将运算完成的结果通过所述级联层进行合并输出,所述融合层由在原始模块中加入瓶颈结构和空洞卷积结构共同组合而成。本发明不但错误率低,而且有效减少网络的参数量,有利于提升模型泛化能力。
📄 2020108887682
📂 G06V10_80
👤 江南大学
📅 2020-08-28
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
本发明公开了一种短文本特征提取与分类方法,属于信息处理技术领域。通过对词频、集中度标准差、关联度高的关键词进行加权系数的奖励,再综合三者,得到关键词的特征指数;根据特征指数对初始关键词库进行优化,删除关键词库中对识别文本所属的类别所起作用较小的一些字词,也即减少了会影响文本分类准确性的关键词,使得后续分类更准确。通过将关键词映射成二维坐标平面上的点,将文本数据与关键词库的匹配,得到文本数据对应的点集,将其中的点顺序排列并连接,即得到文本的特征折线,通过特征折线的相似度反应文本的相似度,并对折线相似度算法进行了修正,利用邻居与当前文本的“相似度”来给每个邻居赋予不同的重要性,从而分类更准确。
📄 2020105025180
📂 G06F16_35
👤 江南大学
📅 2020-06-04
本发明提供一种基于特征提取和多核RSVR组合模型的短期电力负荷预测方法,包括以下步骤:步骤S1,基于皮尔逊相关系数、mRMR算法对属性特征进行提取筛选,得到包含其它属性和延迟负荷的最优属性特征集;步骤S2,使用多种不同的核函数分别构建多个单核RSVR模型;根据最优属性特征集,采用训练样本进行模型训练,采用测试样本评估模型预测能力;步骤S3,根据各个单核RSVR模型的训练预测误差分配权值,将各个单核RSVR模型进行加权融合,形成多核RSVR组合模型;步骤S4,使用多核RSVR组合模型进行短期电力负荷预测。本发明能够有效解决属性特征不分类提取、未来未知量的盲目使用等问题,并且兼顾优化了支持向量回归模型,进一步提升了方案预测性能。
📄 2020100032934
📂 H02J3_00
👤 江南大学
📅 2020-01-03
基于时空域特征提取的无参考视频质量评价方法,其所需数据量小,计算复杂度低,适用于无线应用的实时测评,可大大降低视频质量评价时延性,提高评价结果获取效率,其包括以下步骤:S1,选取一幅噪声视频作为待评价视频,S2,对待评价视频进行颜色空间转换,获取噪声视频的亮度信号值、色度信号值,S3,提取预处理后的噪声视频的时域特征、时空域特征,S31,采用分帧处理方法提取时域特征,获取视频帧差图,S32,将视频帧差图送Xception网络提取时空域特征,S4,对时空域特征进行拼接,获取拼接图,然后采用PCA方法对拼接图进行降维处理,获取深度处理特征,S5,建立XGBOOST模型,获得噪声视频的图像噪声指标,S6,采用性能指标对图像噪声指标进行评价。
📄 2019101497372
📂 H04N17_00
👤 江南大学
📅 2019-02-27
本发明公开了一种基于MSGNet模型的支气管腔图像识别方法,涉及医学图像数据处理和分析技术领域,该方法包括:获取带有标签信息的支气管镜图像,对图像进行预处理后,按比例划分为训练集、验证集和测试集;以ResNet模型为基本网络架构,融合了多尺度门卷积层,建立MSGNet模型;利用训练集和验证集对模型进行训练,得到训练好的MSGNet模型;利用训练好的模型在测试集上进行模型测试,得到测试集中每个图像对应的类别。该模型集成了多尺度特征提取和门选择机制,使模型能够自适应地关注输入图像中信息量最大的区域,还可以动态选择提取到的有效特征,从而提高了支气管腔位置识别的准确性和鲁棒性,具有较高的临床实用价值。
📄 2024113231281
📂 G06V10_764
👤 江南大学
📅 2024-09-23
本发明属于图像处理技术领域,涉及一种基于知识蒸馏的图像特征提取方法及装置;将多个图像样本输入教师模型,得到每个图像样本的第一特征向量;将多个图像样本输入学生模型,得到每个图像样本的第二特征向量;将多个第一特征向量中排序相同的特征值组合,得到m个第一组合向量;将多个第二特征向量中排序相同的特征值组合,得到m个第二组合向量;基于多个图像样本的目标类知识蒸馏损失函数得到第一损失函数,基于多个图像样本的皮尔逊相关系数损失函数得到第二损失函数,基于m个组合向量的皮尔逊相关系数损失函数得到第三损失函数,从而得到图像特征损失函数对学生模型进行训练,直到图像特征提取损失函数最小,得到训练好的学生模型。
📄 2024107200619
📂 G06V10_40
👤 江南大学
📅 2024-06-05
本发明涉及一种图像特征提取方法、装置、存储介质及图像分类方法,属于图像处理技术领域。获取图像特征提取模型,模型包括stem模块和多个特征提取模块,每个特征提取模块包括无填充下采样子模块和特征提取卷积子模块,每个无填充下采样子模块包括无填充卷积单元、无填充最大池化单元和特征融合单元;将图像样本输入stem模块,输出初始特征图;将初始特征图输入第一个特征提取模块中的无填充下采样子模块,输出下采样特征图;将下采样特征图输入第一个特征提取模块中的特征提取卷积子模块,将第一个特征提取模块中的特征提取卷积子模块作为下一个特征提取模块的输入;将最后一个特征提取模块中的特征提取卷积子模块的输出作为目标特征图。
📄 2024100550556
📂 G06V10_44
👤 江南大学
📅 2024-01-12
本发明公开了一种基于双流慢‑非平稳快特征提取的CO2含量预测方法,属于软测量技术领域。所述方法考虑化工过程的慢变特性以及非平稳特性,并结合LSTM,提出一种基于双流慢‑非平稳特征提取网络,基于Siamese网络进行慢特征提取,同时设计了一种差分LSTM网络用于提取非平稳特征;预测过程中尽可能保留包含关键过程信息的慢特征和包含有短期波动和突变的非平稳快特征,从而实现对于质量变量的精准预测,而且由于慢特征是在较长时间范围内进行计算,因此提高了预测方法的抗噪声和干扰的能力,而且能够适应不同时间尺度,更好地捕捉过程的动态性。
📄 2023114158448
📂 G16C20_20
👤 江南大学
📅 2023-10-30
本发明公开了一种基于改进Harris角点的胶囊内窥镜图像特征提取方法,包括:计算胶囊内窥镜图像每个像素点的偏导数以及梯度值,将梯度值度低于设定的梯度阈值的像素点过滤掉;对Harris相应函数进行改进,计算每个像素点改进的Harrsi响应函数值,通过响应函数值获得潜在的特征点;将改进的Harris响应函数值与滑动窗口的窗宽、滑动距离进行结合,得到自适应滑动窗口并对潜在特征点进行非极大值抑制;确定每个特征点的方向,将该方向作为改进的Harris角点的主方向,构建rBRIEF描述子,利用描述子进行特征点匹配。本发明不仅能够获得大量的特征点,还能保持高精准度;能够快速且有效地进行特征提取,能够在胶囊内窥镜图像中获得充足数量特征点的同时维持特征匹配的精度。
📄 2023111862472
📂 G06V10_54
👤 江南大学
📅 2023-09-14