-
公开(公告)号：CN113689344A
公开(公告)日：2021-11-23
申请号：CN202110745105.X
申请日：2021-06-30
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于特征解耦学习的低曝光图像增强方法，使用正常曝光静脉图像和低曝光静脉图像训练特征解耦网络，迫使编码得到低曝光静脉图像的背景特征，再利用训练好的特征解耦网络和低曝光静脉图像训练图像增强网络，提取低曝光静脉图像的纹理特征，实现低曝光静脉图像的纹理特征和背景特征分离，并单独使用低曝光静脉图像的纹理特征重建增强的静脉图像。本发明提出一种基于特征解耦学习的低曝光图像增强方法，从两种图像的特点出发，引入对抗损失，将低曝光静脉图像纹理特征和背景分离，操纵特定的特征重建正常曝光的图像，对低曝光静脉图像实现有效增强。
-
公开(公告)号：CN113297955A
公开(公告)日：2021-08-24
申请号：CN202110559367.7
申请日：2021-05-21
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于多模态分层级信息融合的手语词识别方法，该方法包括：以彩色视频、深度视频和骨骼节点视频三种模态的关键帧序列作为网络输入，构建一个双流I3D网络提取彩色视频和深度视频特征，通过特征拼接融合双模态语义特征，再使用LSTM构建长期时空特征，使用SoftMax进行分类评分；同时使用DST‑GCN网络提取骨骼节点视频的时空特征，再使用SoftMax进行分类评分；最终通过决策级融合方式将两个SoftMax层的预测分数进行融合，得到手语词识别结果。本发明所提出的基于多模态分层级信息融合的手语词识别方法，通过构建分层级融合策略，充分利用了多模态数据互补信息；通过构建DST‑GCN网络，增强了时空图卷积网络时间特征提取能力，进而提高了手语词识别的准确率。
-
公开(公告)号：CN113269702A
公开(公告)日：2021-08-17
申请号：CN202110559336.1
申请日：2021-05-21
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于跨尺度特征融合的低曝光静脉图像增强方法，制作低曝光静脉图像数据集，构建跨尺度特征融合模块，基于通道注意力机制，采用残差结构构建静脉跨尺度融合残差块，若干个残差块首尾连接堆叠成静脉图像跨尺度融合模型，构建测试集，将测试集中的低曝光静脉图像输入到静脉图像跨尺度融合模型，得到增强后的静脉图像。本发明提出一种多尺度分支的跨尺度特征信息融合方法，充分利用了静脉图像不同尺度之间空间结构信息，增强了网络模型对于静脉纹络等细节信息的表征学习能力，提升了低曝光静脉图像的增强效果。
-
公开(公告)号：CN113269698A
公开(公告)日：2021-08-17
申请号：CN202110560691.0
申请日：2021-05-21
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于Actor‑Critic模型的低曝光静脉图像增强方法，设计对比度，饱和度，白平衡，曝光和色调曲线函数滤波器，通过Actor‑Critic模型选取最优的一组图像滤波顺序和参数，并利用其对低曝光静脉图像进行滤波操作，输出每个滤波操作对应图像并提取细节信息，叠加到最后一层滤波器处理后的图像中，最终输出增强的静脉图像。本发明公开的基于Actor‑Critic的低曝光静脉图像增强模型，可以自动选择图像编辑滤波顺序和参数，实现低曝光静脉图像光照信息的恢复和对比度的增强，并且通过提取滤波处理过程中各滤波器输出图像的互补静脉细节信息，解决了全局图像处理造成的静脉细节丢失的问题，达到低曝光静脉图像增强的效果。
-
公开(公告)号：CN117152810B
公开(公告)日：2025-04-11
申请号：CN202311012547.9
申请日：2023-08-11
Applicant: 中国矿业大学
IPC: G06V40/16 , G06V10/82 , G06V10/774 , G06N3/048
Abstract: 本发明公开了一种基于头部特征自适应匹配的知识蒸馏方法，对教师网络和学生网络的输出层特征进行排序和修剪处理，将注意力集中到修剪处理后得到的头部特征中，根据相应的排序方式计算头部蒸馏损失；再将头部特征中包含目标类信息的特征层修剪得到主体特征，在主体特征中进行自适应匹配，根据相应的排序方式计算自适应输出特征损失；利用总蒸馏损失促使学生网络学习主要输出特征层的类间相似度信息。本发明利用了非目标类知识的信息并且融合了自适应注意力匹配的方法，定位到含更多泛化信息的主体特征，自适应地提取到更有利于学生网络学习的分类信息，提升了学生网络对陌生数据集的适应性，同时也增强了模型的泛化性和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN116958548B
公开(公告)日：2024-08-27
申请号：CN202310902217.0
申请日：2023-07-21
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于类别统计驱动的伪标签自蒸馏语义分割方法，属于计算机图像处理技术，在训练过程中对教师模型语义类别概率信息进行统计，并根据概率分布特性将类别标签进行平滑处理，将平滑标签与教师模型输出语义类别概率信息的加权均值作为学生模型的监督信息，有效地提升了类别统计驱动下的伪标签自蒸馏语义分割的效果。本发明公开的基于类别统计驱动的伪标签自蒸馏语义分割方法，将经过平滑处理的标签与教师模型输出语义类别概率信息加权均值作为学生模型的监督信息，改善了在训练过程中标签硬化难以拟合以及人为平滑操作引入标签噪声的问题，解决了蒸馏过程中因教师模型类别预测错误导致学生网络知识学习受到噪声标签影响的问题。
-
公开(公告)号：CN118504525A
公开(公告)日：2024-08-16
申请号：CN202410568922.6
申请日：2024-05-09
Applicant: 中国矿业大学
IPC: G06F40/16 , G06N3/0455 , G06N3/042
Abstract: 本发明公开了一种融合字词和关系信息的中文实体关系联合抽取方法，利用中文分词器获取字词两种细粒度的中文文本，提出了字词位置上下文融合编码器，实现将字、词细粒度文本、位置信息、上下文信息融合编码，获取包含字、词、位置、上下文信息的编码词向量，提出了基于先验关系交叉融合机制的编码器，将先验关系信息融入实体关系联合抽取中，本发明考虑到中文的语法特点，充分结合字信息、词信息、位置信息、关系信息，构建实体识别和关系抽取的内在联系，克服了现有关系抽取中所存在的不足，有效提高的中文文本实体关系联合抽取准确率。
-
公开(公告)号：CN117454971A
公开(公告)日：2024-01-26
申请号：CN202311530381.X
申请日：2023-11-16
Applicant: 中国矿业大学
IPC: G06N3/096 , G06N3/045 , G06N3/0495 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于自适应掩码加权的投影式知识蒸馏方法，首先构建基于学生网络的学生模块提取的特征的关系矩阵使其相邻像素间所包含信息更加丰富多样，其次基于学生网络的关系矩阵和特征图分别构建自适应掩码矩阵进行自适应掩码加权，再构建投影层并利用被掩码加权的特征在教师网络的引导下投影出完整的、逼近教师特征的特征，最后利用教师网络相应的特征层去监督学生网络相应的特征层并以此更新学生模型。本发明提高了学生网络模型对于所学到的丰富信息的表达能力，解决了由随机掩码学生特征和学生特征相邻像素感受野有限造成的学生网络表征能力受限、信息利用不足的问题，提升了知识蒸馏模型的鲁棒性和泛化能力。
-
公开(公告)号：CN116452794B
公开(公告)日：2023-11-03
申请号：CN202310395613.9
申请日：2023-04-14
Applicant: 中国矿业大学
IPC: G06V10/25 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了一种基于半监督学习的有向目标检测方法，首先通过本发明提出的一种新的五参数有向框表示方法对有标签数据集进行标注，其次设计了基于多阶段Faster RCNN的有向目标检测网络。为了保证网络在有高召回率的同时具有高精确度，本发明采用先预测水平包络框再将其回归为有向框的方式，并设计了角度增强训练算法。在此基础上，构建基于教师‑学生网络的有向目标检测半监督学习方法，利用少量有标签数据集和大量无标签数据集联合训练，计算有监督损失和无监督损失的加权和，得到总损失，用于网络模型参数更新。根据本发明，使用少量的有标签数据和海量的无标签数据，在极低的有向目标检测数据集标注成本下，提高了有向目标检测的精度。
-
公开(公告)号：CN116958548A
公开(公告)日：2023-10-27
申请号：CN202310902217.0
申请日：2023-07-21
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于类别统计驱动的伪标签自蒸馏语义分割方法，属于计算机图像处理技术，在训练过程中对教师模型语义类别概率信息进行统计，并根据概率分布特性将类别标签进行平滑处理，将平滑标签与教师模型输出语义类别概率信息的加权均值作为学生模型的监督信息，有效地提升了类别统计驱动下的伪标签自蒸馏语义分割的效果。本发明公开的基于类别统计驱动的伪标签自蒸馏语义分割方法，将经过平滑处理的标签与教师模型输出语义类别概率信息加权均值作为学生模型的监督信息，改善了在训练过程中标签硬化难以拟合以及人为平滑操作引入标签噪声的问题，解决了蒸馏过程中因教师模型类别预测错误导致学生网络知识学习受到噪声标签影响的问题。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.021 seconds)
