公开(公告)号：CN118365903A

公开(公告)日：2024-07-19

申请号：CN202410788370.X

申请日：2024-06-19

申请人： 中国海洋大学

发明人： 黄磊 ,  王矶法 ,  聂婕 ,  魏志强

IPC分类号： G06V10/74 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06V10/44

摘要： 本发明属于图像处理领域，公开了基于局部特征重加权及类别自适应的小样本图像识别方法，包括步骤S1、构建小样本识别任务：从训练集中采样一个小样本图像识别任务，每个任务包括两部分：支持集和查询集，步骤S2、特征提取，得到类别特征，步骤S3、基于类间关系的局部特征重加权：利用类间关系对样本的局部特征进行重新加权，步骤S4、局部特征类别自适应，得到自适应特征，步骤5：密集特征相似度度量：计算自适应后的查询集样本M个局部特征和支持集样本的M个局部特征的两两之间的相似度得分，与查询集图像相似度得分最高的类别即为查询集图像的类别。通过本发明提高基于局部特征度量的小样本图像识别的性能。

公开(公告)号：CN113920472B

公开(公告)日：2024-05-24

申请号：CN202111204633.0

申请日：2021-10-15

申请人： 中国海洋大学

发明人： 魏志强 ,  张文锋 ,  黄磊

IPC分类号： G06V20/52 ,  G06V10/774 ,  G06V10/74 ,  G06V10/764 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/088 ,  G06N3/09 ,  G06N3/0475 ,  G06N3/094

摘要： 本发明公开了一种基于注意力机制的无监督目标重识别方法及系统，包括：确定通道注意力机制和空间注意力机制；将所述通道注意力机制和空间注意力机制加入至基准卷积神经网络模型，以获取初始的目标重识别模型；基于已知身份标签的第一源数据集和未知身份标签的第二源数据集对当前的目标重识别模型进行有监督训练和无监督训练，确定交叉熵损失和无监督损失；根据所述交叉熵损失和无监督损失，使用梯度下降算法对当前的目标重识别模型进行优化，并不断迭代，直至损失变化值小于预设损失变化阈值或达到预设得迭代次数时，确定当前的目标重识别模型为最优目标重识别模型；基于所述最优目标重识别模型进行目标重识别，以确定与查询图像匹配的目标图像。

公开(公告)号：CN113888595B

公开(公告)日：2024-05-14

申请号：CN202111152770.4

申请日：2021-09-29

申请人： 中国海洋大学

发明人： 黄磊 ,  高占祺 ,  魏志强

IPC分类号： G06T7/246 ,  G06V10/40 ,  G06V10/774 ,  G06V10/764 ,  G06V10/80

摘要： 本发明公开了一种基于困难样本挖掘的孪生网络单目标跟踪方法，包括构建训练集、构建基于困难样本挖掘的卷积孪生网络等步骤：本发明将困难样本挖掘引入到目标跟踪方法中，在训练过程中挖掘困难负样本作为训练数据，更新网络参数，并且选取困难样本三元组损失来作为损失函数，对其不断优化，通过优化损失，模型在训练过程中不断挖掘困难负样本，使网络充分训练，更好的区分相似目标，使模型学习到具有区分能力的特征，具有较好的目标跟踪效果。

公开(公告)号：CN117649666B

公开(公告)日：2024-04-26

申请号：CN202410122219.2

申请日：2024-01-30

申请人： 中国海洋大学

发明人： 魏志强 ,  王庆 ,  黄磊

IPC分类号： G06V20/70 ,  G06V20/54 ,  G06V10/26 ,  G06V10/42 ,  G06V10/44 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82

摘要： 本发明公开了一种基于动态多尺度信息查询的图像语义分割方法及系统，属于图像处理技术领域。本发明充分考虑了复杂交通场景下不同类别目标特征与多尺度全局特征的相关性，利用类别嵌入建立复杂交通场景的目标查询，与模型提取的多尺度全局特征交互实现不同类别的目标在各个尺度下特征的提取。之后，确定不同类别的目标在各个尺度下的特征的n维权重向量，动态分配多尺度权重后克服复杂交通场景下各类别多尺度特征差异的问题。从而有效提高复杂交通场景图像中不同尺度对象的分割精度，提升复杂交通场景的图像语义分割效果。解决现有方案不能准确获取各类目标相对重要的多尺度信息，导致图像语义分割效果差的技术问题。

公开(公告)号：CN115953582B

公开(公告)日：2023-05-26

申请号：CN202310212890.1

申请日：2023-03-08

申请人： 中国海洋大学

发明人： 黄磊 ,  王庆 ,  魏志强

IPC分类号： G06V10/26 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084

摘要： 本发明属于图像处理技术领域，公开了一种图像语义分割方法及系统，所述系统包括输入模块、数据预处理模块、多层级Swin Transformer编码器、瓶颈模块、多层级Swin Transformer解码器、Vision Transformer多尺度特征聚焦跳过连接模块、和预测输出模块，通过本发明能够捕获多尺度全局特征相关性信息，突出高阶语义信息的关键信息。

公开(公告)号：CN115984281A

公开(公告)日：2023-04-18

申请号：CN202310272218.1

申请日：2023-03-21

申请人： 中国海洋大学

发明人： 聂婕 ,  左子杰 ,  温琦 ,  刘安安 ,  孙正雅 ,  黄磊

IPC分类号： G06T7/00 ,  G06N3/0455

摘要： 本发明属于图像处理技术领域，公开了基于局部特异性深化的时序海温图像的多任务补全方法，首先通过局部信息提取网络提取每个时刻的局部特异性信息，然后通过全局信息提取网络提取全局信息，最后通过图像补全网络将全局信息和局部特异性信息进行融合得到融合信息，并经过图像解码器处理输出补全的图像；本发明保留每一时刻的局部特异性，避免融合过程中局部信息被全局信息掩盖，提高了图像补全结果的质量。

公开(公告)号：CN112541507B

公开(公告)日：2023-04-18

申请号：CN202011495327.2

申请日：2020-12-17

申请人： 中国海洋大学

发明人： 黄磊 ,  于男男 ,  魏志强

IPC分类号： G06V10/46 ,  G06V10/34 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明属于图像处理、计算机视觉和机器学习技术领域，公开了一种多尺度卷积神经网络特征提取方法、系统、介质及应用，改变高斯平滑因子构建多层的高斯特征金字塔(每层特征从一组特征图中获取，其中，每组内的首层特征由卷积操作获得)，高斯特征金字塔的层组数对应设计的网络中的尺度个数；在高斯特征金字塔的基础上，将每组组内相邻两层的特征图相减，构建特征差分金字塔；通过特征差分金字塔，获取三组尺度的差分特征图，每组差分特征图可构建一个尺度特征图，可构建多尺度特征差分金字塔。与现有技术相比，本发明的方法受尺度不变特征方法启发，在特征差分金字塔上构建多尺度特征金字塔，提高卷积神经网络特征的鲁棒性和有效性。

公开(公告)号：CN115205570A

公开(公告)日：2022-10-18

申请号：CN202211112425.2

申请日：2022-09-14

申请人： 中国海洋大学

发明人： 王晓东 ,  韩晓蕊 ,  黄磊 ,  魏志强

IPC分类号： G06V10/762 ,  G06V10/774 ,  G06V10/82 ,  G06V10/74

摘要： 本发明属于图像处理技术领域，公开了一种基于对比学习的无监督跨域目标重识别方法，包括步骤1、构建无监督跨域目标重识别网络模型，为聚类样本生成伪标签；步骤2、构建基于相机原型的混合内存库；步骤3、基于混合内存库进行联合对比学习，生成可靠伪标签；步骤4、反复迭代步骤1‑步骤3，训练所述无监督跨域目标重识别网络模型；步骤5、将待识别的图像输入训练好的模型中，进行目标重识别，输出识别结果。通过本发明减轻了伪标签噪声对对比学习造成的影响，抑制了伪标签噪声的影响，提高目标识别精度。

公开(公告)号：CN114332592B

公开(公告)日：2022-06-21

申请号：CN202210236402.6

申请日：2022-03-11

申请人： 中国海洋大学

发明人： 黄磊 ,  张科 ,  魏志强 ,  安辰

IPC分类号： G06V20/05 ,  G06V10/40 ,  G06V10/77 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明属于数据处理技术领域，公开了一种基于注意力机制的海洋环境数据融合方法及系统，该系统包括用于构造时空连续的数据序列的多源数据增强模块和用于输出融合数据的基于注意力机制的多层特征组合神经网络，所述基于注意力机制的多层特征组合神经网络包括初始特征提取层、深层特征交互部分和融合重建层，深层特征交互部分包括N组多层特征组合模块，每个多层特征组合模块包括M个残差单元、特征拼接层、融合卷积层和通道注意力模块，多层特征组合模块通过全局跳跃连接和局部跳跃连接来组合不同层特征中的信息，每个多层特征组合模块的输入为前一个模块的输出。通过本发明融合特征信息、结合注意力机制，突出特征的关键信息。

公开(公告)号：CN111639641B

公开(公告)日：2022-05-03

申请号：CN202010365522.7

申请日：2020-04-30

申请人： 中国海洋大学

发明人： 黄磊 ,  魏志强 ,  张文锋 ,  张明林 ,  魏冠群

IPC分类号： G06V10/25 ,  G06V10/26 ,  G06V40/10 ,  G06V10/50 ,  G06V10/30 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04

摘要： 本发明公开了一种针对未着装于人体的服装区域获取方法及装置，所述服装区域获取方法包括以下步骤：步骤1、人手位置定位；步骤2、初始服装区域定位：得到人手区域后，在两手之间及两手以下区域按照比例得到服装区域的初始位置；步骤3、精确服装区域获取：得到服装初始区域之后，通过图像分割方法分割得到精准的服装区域。本发明适用于未着装于人体的服装区域的获取，更加符合智能家居及智慧零售的需求。而且，本发明提出了使用人手区域作为服装区域获取的基准，与仅通过服装的视觉特征获取其区域相比更能具适应性。