-
公开(公告)号：CN113870290B
公开(公告)日：2022-06-03
申请号：CN202111149050.2
申请日：2021-09-29
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于边缘分布引导的图像分割方法，属于图像处理和深度学习领域。本发明包括：1)采集原始图像数据，进行数据预处理形成训练数据集；2)构建特征提取器；3)构建边缘分布生成模块；4)构建基于边缘分布引导的解码器；5)将边缘分布预测模块和边缘分布引导的解码器插入到特征提取器，构建基于边缘分布引导的分割网络；6)利用训练数据集对基于边缘分布引导的分割网络进行训练；7)输入新的图像，使用已经训练好的基于边缘分布引导的分割网络输出最终的分割结果。本发明基于边缘分布引导的解码器使用生成的边缘分布图自动纠正分割结果中与边缘分布矛盾的部分，从而生成更加精确的图像分割结果。
-
公开(公告)号：CN113870290A
公开(公告)日：2021-12-31
申请号：CN202111149050.2
申请日：2021-09-29
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于边缘分布引导的图像分割方法，属于图像处理和深度学习领域。本发明包括：1)采集原始图像数据，进行数据预处理形成训练数据集；2)构建特征提取器；3)构建边缘分布生成模块；4)构建基于边缘分布引导的解码器；5)将边缘分布预测模块和边缘分布引导的解码器插入到特征提取器，构建基于边缘分布引导的分割网络；6)利用训练数据集对基于边缘分布引导的分割网络进行训练；7)输入新的图像，使用已经训练好的基于边缘分布引导的分割网络输出最终的分割结果。本发明基于边缘分布引导的解码器使用生成的边缘分布图自动纠正分割结果中与边缘分布矛盾的部分，从而生成更加精确的图像分割结果。
-
公开(公告)号：CN114677545B
公开(公告)日：2023-05-23
申请号：CN202210332747.1
申请日：2022-03-30
Applicant: 电子科技大学
IPC: G06V10/764 , G06V10/82 , G06N3/082 , G06N3/0464
Abstract: 该发明公开了一种基于相似性剪枝和高效模块的轻量化图像分类方法，属于图像处理领域。本发明首先训练原始图像分类卷积神经网络，采用基于相似度的剪枝方式，优先移除图像分类卷积神经网络同一个卷积层中相同的或者相似的神经元，这种剪枝方式，相比现有剪枝方法优先去除神经网络中不重要的神经元对模型性能损伤更小；此外，该方法可以基于实际需要部署的设备的性能设置剪枝后模型的大小和计算量，从而得到特定资源限制下最优的网络模型参数；使用高效卷积模块替换标准卷积核，保证分类精度的情况下，降低图像分类卷积神经网络的参数量以及计算量。
-
公开(公告)号：CN114677545A
公开(公告)日：2022-06-28
申请号：CN202210332747.1
申请日：2022-03-30
Applicant: 电子科技大学
IPC: G06V10/764 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 该发明公开了一种基于相似性剪枝和高效模块的轻量化图像分类方法，属于图像处理领域。本发明首先训练原始图像分类卷积神经网络，采用基于相似度的剪枝方式，优先移除图像分类卷积神经网络同一个卷积层中相同的或者相似的神经元，这种剪枝方式，相比现有剪枝方法优先去除神经网络中不重要的神经元对模型性能损伤更小；此外，该方法可以基于实际需要部署的设备的性能设置剪枝后模型的大小和计算量，从而得到特定资源限制下最优的网络模型参数；使用高效卷积模块替换标准卷积核，保证分类精度的情况下，降低图像分类卷积神经网络的参数量以及计算量。
-
-
-
Search Results
4
records
(took 0.018 seconds)
