-
公开(公告)号：CN114120048B
公开(公告)日：2022-05-13
申请号：CN202210093198.7
申请日：2022-01-26
申请人： 中兴通讯股份有限公司 , 南京航空航天大学
IPC分类号： G06V10/764 , G06V10/774 , G06K9/62
摘要： 本公开提供一种图像处理方法，包括：确定未标注图像集合中每张图像的特征表示性能参数和信息量参数；根据所述未标注图像集合中每张图像的特征表示性能参数和信息量参数从所述未标注图像集合中选取符合图像有效性需求的目标图像，对所述目标图像进行标注。能够兼顾图像在特征学习中的性能表现以及图像对于下游任务的信息量表现，自动地选取出高效的图像进行标注，降低标注代价且有助于提升图像分类模型的性能。本公开还提供一种电子设备及计算机存储介质。
-
公开(公告)号：CN114120048A
公开(公告)日：2022-03-01
申请号：CN202210093198.7
申请日：2022-01-26
申请人： 中兴通讯股份有限公司 , 南京航空航天大学
IPC分类号： G06V10/764 , G06V10/774 , G06K9/62
摘要： 本公开提供一种图像处理方法，包括：确定未标注图像集合中每张图像的特征表示性能参数和信息量参数；根据所述未标注图像集合中每张图像的特征表示性能参数和信息量参数从所述未标注图像集合中选取符合图像有效性需求的目标图像，对所述目标图像进行标注。能够兼顾图像在特征学习中的性能表现以及图像对于下游任务的信息量表现，自动地选取出高效的图像进行标注，降低标注代价且有助于提升图像分类模型的性能。本公开还提供一种电子设备及计算机存储介质。
-
公开(公告)号：CN100392026C
公开(公告)日：2008-06-04
申请号：CN200610037966.8
申请日：2006-01-24
申请人： 南京航空航天大学
摘要： 一种聚苯胺包覆纳米TiO2粒子或聚苯胺包覆TiO2晶须/氰酸酯复合材料及其制备方法，属于有机-无机纳米复合粒子改性氰酸酯复合材料。该复合材料的原料组分按重量计：氰酸酯单体100，聚苯胺包覆纳米TiO2复合粒子或聚苯胺包覆TiO2晶须0.1～100，消泡剂为粒子重量的0.1～0.5%。其中聚苯胺包覆纳米TiO2是通过化学氧化原位聚合法合成的，经过表面包覆的纳米复合粒子可以均匀的分散在氰酸酯基体中，然后通过溶液共混、加热固化的方法制得聚苯胺包覆纳米TiO2/氰酸酯复合材料。用此配方制得的复合材料综合了纳米复合粒子和氰酸酯二者的吸波性能，在不改变复合材料介电常数的条件下，增加了介电损耗，具有一定的吸波性。
-
公开(公告)号：CN1821316A
公开(公告)日：2006-08-23
申请号：CN200610037966.8
申请日：2006-01-24
申请人： 南京航空航天大学
摘要： 一种聚苯胺包覆纳米TiO2粒子或聚苯胺包覆TiO2晶须/氰酸酯复合材料及其制备方法，属于有机－无机纳米复合粒子改性氰酸酯复合材料。该复合材料的原料组分按重量计：氰酸酯单体100，聚苯胺包覆纳米TiO2复合粒子或聚苯胺包覆TiO2晶须0.1～100，消泡剂为粒子重量的0.1～0.5％。其中聚苯胺包覆纳米TiO2是通过化学氧化原位聚合法合成的，经过表面包覆的纳米复合粒子可以均匀的分散在氰酸酯基体中，然后通过溶液共混、加热固化的方法制得聚苯胺包覆纳米TiO2/氰酸酯复合材料。用此配方制得的复合材料综合了纳米复合粒子和氰酸酯二者的吸波性能，在不改变复合材料介电常数的条件下，增加了介电损耗，具有一定的吸波性。
-
公开(公告)号：CN1821315A
公开(公告)日：2006-08-23
申请号：CN200610037965.3
申请日：2006-01-24
申请人： 南京航空航天大学
摘要： 一种聚苯胺包覆纳米TiO2及聚苯胺包覆TiO2晶须及其制备方法，属有机－无机纳米复合材料及其制备方法。其组分重量份为：TiO2纳米粒子或晶须100，苯胺盐酸0.1～200，分散剂0.1～50，分散介质1000～20000，氧化剂与苯胺盐酸的当量比为1∶1；其方法是原位化学氧化聚合法，即将经表面活性剂或分散剂处理的纯TiO2纳米粒子或晶须分散在盐酸中，制成稳定的悬浮液，然后加入苯胺盐酸搅拌一定时间后，边搅拌边滴入过硫酸铵溶液，制备出聚苯胺包覆纳米TiO2及聚苯胺包覆TiO2晶须。该粒子和晶须，使得TiO2在紫外光区域出现了新的吸收峰，不仅吸收紫外光，还可以很好的吸收可见光和近红外光。
-
公开(公告)号：CN114187452A
公开(公告)日：2022-03-15
申请号：CN202210135383.8
申请日：2022-02-15
申请人： 南京航空航天大学
IPC分类号： G06V10/30 , G06V10/774 , G06V10/764 , G06K9/62
摘要： 本发明公开了一种基于主动标注的鲁棒深度图像分类模型训练方法。包括：一、收集大量的无标注图像集合和少量已标注训练图像数据集合；二、对已标注图像集中的每一个图像增添噪声扰动，得到含噪标注图像集；三、将含噪标注图像集作为训练集，初始化图像分类模型；四、对未标注图像集中每张图像进行多次扰动，计算每张未标注图像的价值评分S。五、对评分S排序，得到相应的用户反馈；六、更新已标注图像集L和未标注图像集，并更新预测模型；七、返回步骤四或结束并输出预测模型f。本发明通过主动学习技术，自动选择高效用图像标注，在提升模型鲁棒性的同时，能最大限度地降低用户的标注代价。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.082 秒)
