-
公开(公告)号：CN113239782B
公开(公告)日：2023-04-28
申请号：CN202110509019.9
申请日：2021-05-11
申请人： 广西科学院
IPC分类号： G06V40/10 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种融合多尺度GAN和标签学习的行人重识别系统及方法，本发明使用多尺度条件生成对抗网络和改进的多维正则化标签方法进行数据增强。多尺度条件生成网络融合了条件生成对抗网络和多尺度特征提取技术。使用修剪后的U‑Net作为生成网络，马尔可夫判别器和多尺度特征判别器作为判别网络。通过修复遮挡图像的方式扩充数据集，从而提高模型识别的能力，并且通过改进的MPRL方法进行在线标签学习，缓解了生成图像带来的噪音干扰，在多个数据集上显著提高了基准模型的mAP和Rank‑1指标。
-
公开(公告)号：CN114663766A
公开(公告)日：2022-06-24
申请号：CN202210350190.4
申请日：2022-04-02
申请人： 广西科学院
摘要： 本发明涉及一种基于多图像协同注意力机制的植物叶片识别系统及方法，包括：客户端首先根据用户请求选择图像识别方式，基于图像处理模块将识别到的图像进行预处理操作，得到经过预处理后的图像；通过人机交互界面选取上传操作，基于图像上传模块进行上传并发送请求；服务器端接收到来自所述客户端的图像后，调用部署于服务器端的植物叶片识别模型对图像数据进行植物叶片识别，并返回结果至所述客户端的人机交互页面上实时展示识别结果。本发明利用弱监督方式训练基于多图像协同注意力模型，通过最小的代价，不需要人工标注信息即可训练一个高性能的植物叶片识别模型，便于实现。
-
公开(公告)号：CN113239784A
公开(公告)日：2021-08-10
申请号：CN202110509285.1
申请日：2021-05-11
申请人： 广西科学院
摘要： 本发明公开了一种基于空间序列特征学习的行人重识别系统及方法，包括：Res2Net网络、全局特征模块、空间序列特征学习模块；全局特征模块包括平局池化模块和全连接层模块；Res2Net网络分别与全局特征模块和空间序列特征学习模块连接；所述空间序列特征学习模块包括卷积层、随机掩膜模块、最大池化模块和自注意力模块。本发明提出基于自注意机制的空间序列特征学习模块，构造水平和垂直两个方向的空间序列特征，学习其空间语义联系，提取有效的局部特征；提出随机批次特征擦除训练策略，通过随机掩膜块对特征图谱的局部区域进行遮挡，以此迫使模型学习被抑制的低频局部特征。
-
公开(公告)号：CN115050044B
公开(公告)日：2023-06-23
申请号：CN202210349736.4
申请日：2022-04-02
申请人： 广西科学院
IPC分类号： G06V40/10 , G06V10/44 , G06V10/143 , G06V10/147 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明公开一种基于MLP‑Mixer的跨模态行人重识别方法，其特征在于，包括以下步骤：采集行人可见光图像和行人红外图像；基于所述行人可见光图像和所述行人红外图像，利用MLP‑Mixer网络分别提取可见光模态人物特征和红外模态人物特征；基于所述可见光模态人物特征和所述红外模态人物特征，利用基于位置的自注意力引导学习模型提取模态共享特征；利用损失函数优化所述模态共享特征，获得异质模态的区分性局部特征表示，进行行人重识别。本发明提升了深度学习在行人再识别领域的表现，使行人再识别技术可以更好地解决现实问题。
-
公开(公告)号：CN113239783A
公开(公告)日：2021-08-10
申请号：CN202110509020.1
申请日：2021-05-11
申请人： 广西科学院
摘要： 本发明公开了基于拼图打乱式数据扰动机制的植物叶片识别系统，包括：拼图打乱模块、对抗学习模块、建模模块、损失函数计算分析模块、余弦退火学习模块，本发明所述系统采用将输入样本处理成随机打乱的形式，迫使模型提取子区域特征，同时使用对抗学习规避拼图机制带来的噪声模式的干扰，避免模型过度拟合拼图输入中包含的间隔信息，同时使用构建学习建模子区域之间的关联信息，增强模型对于子区域的空间感知能力，最后通过余弦退火方案给模型多次纠错的机会，以提高模型识别准确率。
-
公开(公告)号：CN113239784B
公开(公告)日：2022-09-30
申请号：CN202110509285.1
申请日：2021-05-11
申请人： 广西科学院
IPC分类号： G06V40/10 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于空间序列特征学习的行人重识别系统及方法，包括：Res2Net网络、全局特征模块、空间序列特征学习模块；全局特征模块包括平局池化模块和全连接层模块；Res2Net网络分别与全局特征模块和空间序列特征学习模块连接；所述空间序列特征学习模块包括卷积层、随机掩膜模块、最大池化模块和自注意力模块。本发明提出基于自注意机制的空间序列特征学习模块，构造水平和垂直两个方向的空间序列特征，学习其空间语义联系，提取有效的局部特征；提出随机批次特征擦除训练策略，通过随机掩膜块对特征图谱的局部区域进行遮挡，以此迫使模型学习被抑制的低频局部特征。
-
公开(公告)号：CN114663512A
公开(公告)日：2022-06-24
申请号：CN202210349691.0
申请日：2022-04-02
申请人： 广西科学院
摘要： 本发明公开一种基于器官编码的医学影像精确定位方法及系统，包括构建器官编码表并获取医学影像，通过训练好的器官编码模型对所述医学影像进行预测，得到所述器官编码信息，其中所述器官编码模型为深度学习模型；基于器官编码信息和器官编码表，获取器官位置信息；基于器官位置信息进行医学影像中的器官自动分割。通过对每张医疗影像编码的方式，采用卷积神经网络进行训练，能够对每张医疗影像进行精确定位，并且最终有效进行器官的有效分割或靶区分割。
-
公开(公告)号：CN114663512B
公开(公告)日：2023-04-07
申请号：CN202210349691.0
申请日：2022-04-02
申请人： 广西科学院
摘要： 本发明公开一种基于器官编码的医学影像精确定位方法及系统，包括构建器官编码表并获取医学影像，通过训练好的器官编码模型对所述医学影像进行预测，得到所述器官编码信息，其中所述器官编码模型为深度学习模型；基于器官编码信息和器官编码表，获取器官位置信息；基于器官位置信息进行医学影像中的器官自动分割。通过对每张医疗影像编码的方式，采用卷积神经网络进行训练，能够对每张医疗影像进行精确定位，并且最终有效进行器官的有效分割或靶区分割。
-
公开(公告)号：CN115050044A
公开(公告)日：2022-09-13
申请号：CN202210349736.4
申请日：2022-04-02
申请人： 广西科学院
IPC分类号： G06V40/10 , G06V10/44 , G06V10/143 , G06V10/147 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明公开一种基于MLP‑Mixer的跨模态行人重识别方法，其特征在于，包括以下步骤：采集行人可见光图像和行人红外图像；基于所述行人可见光图像和所述行人红外图像，利用MLP‑Mixer网络分别提取可见光模态人物特征和红外模态人物特征；基于所述可见光模态人物特征和所述红外模态人物特征，利用基于位置的自注意力引导学习模型提取模态共享特征；利用损失函数优化所述模态共享特征，获得异质模态的区分性局部特征表示，进行行人重识别。本发明提升了深度学习在行人再识别领域的表现，使行人再识别技术可以更好地解决现实问题。
-
公开(公告)号：CN114663765A
公开(公告)日：2022-06-24
申请号：CN202210349724.1
申请日：2022-04-02
申请人： 广西科学院
摘要： 本发明公开一种基于弱监督细粒度的植物叶片识别系统及方法，包括，客户端，服务器；所述客户端与所述服务器连接；其中，所述客户端用于获取植物叶片图像及识别请求，并对识别结果进行展示；所述服务器用于接收植物叶片图像及识别请求，并基于识别请求通过弱监督细粒度模型对所述植物叶片图像进行识别，并将识别请求及识别结果存储至数据库，其中服务器内包含有数据库。本发明能够对叶片图像进行准确识别，同时构建识别应用系统，通过获取植物的叶片图像，即可高效率高准确率地识别出植物的物种类别。
-
-
-
-
-
-
-
-
-
搜索结果
11 条记录 (耗时 0.018 秒)
