公开(公告)号：CN119131463A

公开(公告)日：2024-12-13

申请号：CN202411119742.6

申请日：2024-08-15

Applicant: 南京师范大学

Inventor： 杨曦晨 ,  陈奕帆 ,  严辉 ,  王天舒 ,  毛忠原 ,  蒋健 ,  朱顺

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V10/74 ,  G06N3/0455

Abstract: 本发明公开了一种基于正反面融合交叉注意力机制的菊花分类方法，包括：在Swin Transformer的基础上利用交叉注意力机制结合残差模块设计，搭建双路神经网络模型；将菊花图像数据库内的菊花正面和反面图像作为双路神经网络输入进行模型训练和测试，将训练好的模型作为菊花种类预测模型；采集待检测菊花的正面和背面图像，并且输入到菊花种类预测模型，通过菊花种类预测模型输出分类结果。本发明采用基于正反面融合交叉注意力机制的菊花分类方法，具有菊花种类识别速度较快、准确率高且稳定性强等优势。

公开(公告)号：CN118396945A

公开(公告)日：2024-07-26

申请号：CN202410480792.0

申请日：2024-04-22

Applicant: 南京师范大学

Inventor： 杨曦晨 ,  朱顺 ,  王天舒 ,  陈天海 ,  李能鑫

IPC: G06T7/00 ,  G06V10/25 ,  G06V10/44 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0985 ,  G06V10/80

Abstract: 本发明公开了一种元学习框架下基于深度特征重组自注意力机制的图像质量评价方法，包括：对图像的区域信息进行预处理操作；将显著区域图像、非显著区域图像和原始图像同时作为多路特征提取网络输入；设计随机筛选策略，得到适用于语义分析网络的深度特征；设计随机采样策略，整体筛选并随机裁剪出特征信息；多路特征输入到语义分析网络；设计元学习框架学习并模拟网络的参数更新模式，将学习得到的先验知识保存；导入元学习框架得到的先验知识，对训练过程进行快速微调，得到未知类型图像的预测分数。本发明能够准确对多类型图像质量进行评价，同时具备跨图像类型进行图像质量评价的能力，具有客观、快速、以及使用性强的优势。

公开(公告)号：CN119445334A

公开(公告)日：2025-02-14

申请号：CN202411580905.0

申请日：2024-11-07

Applicant: 南京师范大学

Inventor： 杨曦晨 ,  朱顺 ,  王天舒 ,  陈天海 ,  李能鑫

IPC: G06V10/82 ,  G06V10/44 ,  G06V10/80 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/0985 ,  G06N3/084

Abstract: 本发明公开了一种元学习框架下基于深度多尺度融合的菊花图像智能筛选方法，包括：通过基于密集连接的深度特征提取模块，获取到深度融合特征；将深度融合特征作为语义分析模块的特征输入，得到语义特征；将深度特征提取模块、语义分析模块和线性连接层共同组成骨干网络，通过元学习框架学习并模拟骨干网络的参数更新模式，得到的先验知识保存；将菊花失真图像输入到骨干网络中，经过先验知识融合到骨干网络后进行微调，获得适用于菊花质量评价的模型。本发明能够有效地从不同类型失真图像中获得先验知识，并融入菊花质量评价任务中，同时能够利用少量标签数据准确地预测菊花质量，从而进行质量筛选，具有高效、健壮、以及可用性强的优势。

公开(公告)号：CN118379531A

公开(公告)日：2024-07-23

申请号：CN202410048106.2

申请日：2024-01-12

Applicant: 南京师范大学

Inventor： 杨曦晨 ,  毛忠原 ,  严辉 ,  蒋健 ,  陈奕帆 ,  朱顺

IPC: G06V10/764 ,  G06V10/12 ,  G06V40/16 ,  G06V40/50

Abstract: 本发明公开了一种中草药菊花图像智能采集与分类装置及运行方法，装置包括采样箱、硬件主板、HDMI外接屏幕、主板电源开关、LED灯带、摄像头和光敏传感器；采样箱用于提供采样空间，且将部件组装在一起，以形成一个完整的设备；硬件主板用于控制其他部件以及进行图像处理；HDMI外接屏幕用于实现装置功能控制，显示装置运行阶段以及内部部件的运行状态；主板电源开关用于控制主板的开启与关闭；LED灯带用于为采样提供光源；摄像头用于多方位采集菊花样品的图像以及采集识别人脸信息；光敏传感器用于感应是否放置菊花样品，实现自动化拍摄采集菊花图像。本发明实现智能采集菊花图像功能以及对菊花种类分类的功能，能够快速整合图像数据形成有效的数据集。

公开(公告)号：CN118134836A

公开(公告)日：2024-06-04

申请号：CN202311832788.8

申请日：2023-12-28

Applicant: 南京师范大学

Inventor： 杨曦晨 ,  朱顺 ,  严辉 ,  毛忠原 ,  蒋健 ,  陈奕帆

IPC: G06T7/00 ,  G06V10/44 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0985

Abstract: 本发明公开了一种元学习框架下多区域深度融合的多类型图像质量评价方法，包括：对图像进行预处理；构建多区域深度融合网络模型，多区域深度融合网络模型包括多路特征提取网络和特征融合网络，利用路间特征融合和层间特征融合描述质量波动下图像特性的变化；将得到的图像根据失真类型进行分类；通过设计好的元学习框架更新并学习网络的参数；对未知类型图像进行预处理并输入到多区域深度融合网络模型进行训练，导入元学习得到的先验知识，并利用先验知识对训练过程进行微调，得到未知类型图像的预测分数。本发明应用元学习框架，能够快速优化现有图像质量模型适应未知图像质量评价问题，具有准确率高、适用性强的特点。

公开(公告)号：CN118570619A

公开(公告)日：2024-08-30

申请号：CN202410686429.4

申请日：2024-05-30

Applicant: 南京师范大学

Inventor： 杨曦晨 ,  陈天海 ,  李能鑫 ,  朱顺

IPC: G06V10/98 ,  G06V10/82 ,  G06V10/764 ,  G06N3/045 ,  G06N3/084 ,  G06N3/0985 ,  G06N3/082 ,  G06N3/0464

Abstract: 本发明公开了一种基于多尺度深度元学习的水下图像质量评价方法，包括：计算得到水下图像的梯度增强图，对水下图像、梯度增强图像进行预处理；搭建基于EfficientNetV2‑S的多路神经网络，多路神经网络由信息感知模块、信息融合模块和质量预测模块组成；对预处理得到的两种图像根据失真类型进行分类，每类失真图像按比例随机划分为支持集和查询集；对支持集和查询集进行训练，学习图像质量评价先验知识；将图像质量评价先验知识导入到多路神经网络中，训练出水下图像质量评价模型，预测出水下图像的质量分数。本发明能够准确对水下图像的质量进行评价，并且快速适应未知场景和失真类型，具有准确率高、稳定性强泛化性好的优势。

公开(公告)号：CN117727035A

公开(公告)日：2024-03-19

申请号：CN202311790528.9

申请日：2023-12-25

Applicant: 南京师范大学

Inventor： 杨曦晨 ,  蒋健 ,  严辉 ,  毛忠原 ,  陈奕帆 ,  朱顺

IPC: G06V20/80 ,  G06V10/50 ,  G06V10/44 ,  G06V10/46 ,  G06V10/54 ,  G06V10/56 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种基于颜色空间多路深度特征融合的菊花分类方法，包括：对菊花图像进行颜色空间的转换，将原图RGB转换为HSV与LAB颜色空间；提取HSV颜色空间中的H和S分量特征以及LAB颜色空间中的L分量特征；将分量直方图特征和原始图像输入到构建好的多路深度网络中进行模型训练，得到训练好的菊花分类模型；将待预测的菊花通过提取对应颜色空间特征和原始图像，输入到菊花分类模型中，得到菊花分类结果。本发明采用包含1D网络和2D网络的多路深度网络，通过路间和层间交互从多个视角充分融合不同颜色通道的类别相关特性，实现菊花类别的准确预测，具有客观、快速、高效以及稳定性强等优势，为后续中药材智能化分类鉴别提供了科学的依据。

公开(公告)号：CN116402802A

公开(公告)日：2023-07-07

申请号：CN202310390505.2

申请日：2023-04-13

Applicant: 南京师范大学

Inventor： 杨曦晨 ,  陈天海 ,  李能鑫 ,  刘存

IPC: G06T7/00 ,  G06T7/90 ,  G06V10/56 ,  G06V10/50 ,  G06V10/80 ,  G06V10/766 ,  G06V20/05 ,  G06N20/00

Abstract: 本发明公开了一种基于颜色空间多特征融合的水下图像质量评价方法，包括：对水下图像进行颜色空间转换，将图像从RGB颜色空间转换到CIELab颜色空间；对颜色空间转换后得到的水下图像，在L分量、AB分量上进行图像数据特征提取，分别获取到L分量特征、AB分量特征，将L分量特征与AB分量特征进行组合，形成最终特征向量；根据最终特征向量，采用机器学习方法支持回归向量建立图像质量评价模型，通过图像质量评价模型获取到水下图像的质量评价。本发明采用基于图像结构与形态信息与SVR的水下图像质量评价方法，能够准确对水下图像的质量进行评价，具有客观、快速、以及稳定性强的优势，为水下图像的质量评价提供了科学的依据。

公开(公告)号：CN117690135A

公开(公告)日：2024-03-12

申请号：CN202311600392.0

申请日：2023-11-28

Applicant: 南京师范大学

Inventor： 杨曦晨 ,  陈奕帆 ,  严辉 ,  毛忠原 ,  蒋健 ,  朱顺

IPC: G06V20/80 ,  G06V10/764 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0985

Abstract: 本发明公开了一种基于正反面深度视觉特征融合的菊花分类方法，包括：采集不同产地不同类别的菊花图像，对菊花的产地和类别进行标记；对菊花的正面和反面图像分别进行预处理，建立菊花图像数据库；搭建基于ResNet的双路网络作为菊花种类预测模型，将菊花图像数据库内的菊花的正面和反面图像作为网络输入，对菊花种类预测模型进行模型训练，得到训练好的菊花种类预测模型；采集待检测的菊花的正面和背面图像，并且输入到菊花种类预测模型，通过菊花种类预测模型输出分类结果。本发明采用基于正反面深度视觉特征融合的菊花分类方法，能够准确预测对菊花的产地进行预测，具有快速无损、识别准确率高以及稳定性强的优势。

公开(公告)号：CN116665098A

公开(公告)日：2023-08-29

申请号：CN202310622714.5

申请日：2023-05-30

Applicant: 南京师范大学

Inventor： 吉根林 ,  曾静 ,  赵斌 ,  杨曦晨

IPC: G06V20/40 ,  G06V10/764 ,  G06V10/74 ,  G06V10/80 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于多层记忆增强与二次预测的视频异常检测方法，包括：对监控视频数据集进行预处理，构建时空立方体；将训练样本输入到自编码器中，利用自编码器对视频序列进行初步预测得到一次预测帧；将一次预测帧的表观特征和对应真实帧的光流特征融合，形成融合特征；将融合特征输入到多层记忆增强生成对抗网络，利用多层记忆增强生成对抗网络进行二次预测，得到二次预测帧；优化自编码器和多层记忆增强生成对抗网络；将测试样本依次输入到优化后的自编码器和多层记忆增强生成对抗网络得到异常分数，根据异常分数判断视频异常事件。本发明利用两次预测增大异常帧与正常帧之间的差距，从而提高了视频异常检测准确率。