“虞舒敏”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果15个，建议您升级VIP下载更多相关专利

[发明专利]一种基于图卷积神经网络与自监督重构学习的基因到表型预测方法和系统-CN202310697601.1在审
发明人：吴翠玲;徐晓刚;韩强;冯献忠;冷建田;于慧;王军;虞舒敏;李萧缘 -专利权人：之江实验室;中国科学院东北地理与农业生态研究所
申请日： 2023-06-13 - 公布日： 2023-10-13 - 主分类号： G16B20/30 文献下载
摘要：一种基于图卷积神经网络与自监督重构学习的基因到表型预测方法和系统，该方法基于图卷积神经网络的方法，将每个品种的大豆作为图节点，大豆的基因序列为节点的特征，利用每个品种大豆之间的亲缘关系作为图的边，将构建的图输入图卷积神经网络与自监督重构网络中，更新节点特征，实现大豆基因到表型的预测。本发明创新性的利用图卷积神经网络实现基因到表型的预测，利用自监督学习降低基因维度，并将品种之间的亲缘关系作为先验关联不同品种指导基因到表型挖掘，提高表型预测的效果。
一种基于图卷神经网络监督学习基因表型预测方法系统

[发明专利]一种基于混合注意力模型的CT图像超分辨方法和装置-CN202310202482.8有效
发明人：孙立剑;虞舒敏;王军;徐晓刚;李萧缘 -专利权人：之江实验室
申请日： 2023-03-06 - 公布日： 2023-07-11 - 主分类号： G06T3/40 文献下载
摘要：本发明公开一种基于混合注意力模型的CT图像超分辨方法和装置，该方法包括：步骤一，获取已有的医学CT图像公开数据集和植物的原始高分辨率CT图像；步骤二，对所述植物的原始高分辨率CT图像进行多方式联合的实用退化操作，后构造高低分辨率图像数据对；步骤三，利用已有的医学CT图像公开数据集进行混合注意力模型的训练，训练完成后，继续使用高低分辨率图像数据对进行模型训练调整，得到最终调整好的混合注意力模型；步骤四，利用最终调整好的混合注意力模型，输入植物的低分辨率原始CT图像，输出目标高分辨率图像。本发明适用于农业中的CT图像，针对植物组织丰富的特点，实现植物组织的无损高精度检测和超分辨重建。
一种基于混合注意力模型 ct 图像分辨方法装置

[发明专利]一种用于图像识别的关键知识蒸馏方法、装置-CN202310122939.4在审
发明人：唐乾坤;王军;徐晓刚;虞舒敏;何鹏飞 -专利权人：之江实验室;浙江工商大学
申请日： 2023-02-16 - 公布日： 2023-03-28 - 主分类号： G06V10/82 文献下载
摘要：本发明公开了一种用于图像识别的关键知识蒸馏方法、装置，通过构建图像训练集和测试集；构建第一图像识别神经网络及其训练方式，作为第一模型，并采用图像训练集进行训练；构建第二图像识别神经网络及其训练方式，作为第二模型；从第一模型和第二模型中选定进行知识蒸馏的特征层；采用图像训练集，对第二模型进行训练，在训练过程中，用语义重要性度量法，计算第二模型选定特征层的特征图与第一模型选定特征层的特征图之间语义的重要性，将重要性大的知识作为关键知识并分配大的权重值，将权重值加入特征层知识蒸馏损失函数中，联合图像识别任务相关的损失函数训练第二模型，将训练好的第二模型部署至运行设备，对测试集中待识别图像进行识别。
一种用于图像识别关键知识蒸馏方法装置

[发明专利]基于图神经网络的基因表型训练、预测方法及装置-CN202211238697.7有效
发明人：章依依;吴翠玲;徐晓刚;李萧缘;虞舒敏;王军 -专利权人：之江实验室
申请日： 2022-10-11 - 公布日： 2023-03-28 - 主分类号： G16B20/30 文献下载
摘要：本发明公开了基于图神经网络的基因表型训练、预测方法及装置，根据现有公开的基因位点与表型的相关性，构建图神经网络：节点代表基因位点，边代表两个基因位点同时与某个表型相关，且边的权重代表基因位点之间的关联程度；采集样本的基因数据，并收集各个样本对应的表型数据；训练过程中，对输入的基因数据基于其位点探测概率值进行编码；将编码数据输入构建的图神经网络；采用均匀采样进行节点邻域选择，并通过邻域节点的权重与卷积核参数更新各个节点；将每个节点的输出结果进行拼接，并将其输入多层感知器，输出表型分类结果；将分类结果与真值进行比较，训练与验证图神经网络；再将待分类的基因数据输入训练好的图神经网络进行表型分类。
基于神经网络基因表型训练预测方法装置

[发明专利]基于频域自注意力机制的夜间目标检测、训练方法及装置-CN202210902801.1有效
发明人：章依依;虞舒敏;应志文;郑影;徐晓刚;王军 -专利权人：之江实验室
申请日： 2022-07-29 - 公布日： 2022-12-20 - 主分类号： G06V20/00 文献下载
摘要：本发明公开了基于频域自注意力机制的夜间目标检测、训练方法及装置，采用具有夜间图像检测标签的开源数据集训练检测网络，首先将输入图像进行预处理，使其从RGB转化为YUV通道，分别将三个通道的图像划分成多个区块；对于三个通道的各个区块，分别进行DCT离散余弦变换；将各个区块中属于同一频域的信息依据其原本的空间关系存入同一通道中，生成数个代表不同频域的通道；将所有频域通道输入自注意力网络模块，该模块通过计算各通道之间的可缩放点积自注意力，输出每个通道动态加权后的数值，再将其分别输入相同的多层感知器MLP；将输出结果输入检测网络中，最终获得图像的检测结果。
基于注意力机制夜间目标检测训练方法装置

[发明专利]一种基于高光谱图像的大豆病虫害识别方法和装置-CN202210947014.9有效
发明人：魏日令;徐晓刚;王军;马寅星;虞舒敏 -专利权人：之江实验室
申请日： 2022-08-09 - 公布日： 2022-12-09 - 主分类号： G06V20/17 文献下载
摘要：本发明公开一种基于高光谱图像的大豆病虫害识别方法和装置，该方法包括：步骤一，利用无人机搭载的高光谱相机与RGB相机采集高光谱数据集及其对应的RGB数据集；步骤二，对采集的高光谱数据集进行数据增广；步骤三，对RGB图像进行植株区域分割后与对应的高光谱图像进行像素点相乘得到含植株区域的图像，对该图像进行预处理计算出各类别平均光谱特性曲线；步骤四，输入高光谱数据集至大豆病虫害识别网络模型，采用课程学习方式以及各类别平均光谱特性曲线进行模型训练；步骤五，采用训练好的大豆病虫害识别网络模型，对采集输入的高光谱图像进行预测分类，输出最终预测的虫害类别。本发明能有效提高大豆病虫害识别的准确度。
一种基于光谱图像大豆病虫害识别方法装置

[发明专利]一种基于多帧输入与轨迹平滑的多目标跟踪方法和装置-CN202210856428.0有效
发明人：张文广;徐晓刚;虞舒敏;曹卫强 -专利权人：之江实验室;浙江工商大学
申请日： 2022-07-21 - 公布日： 2022-12-06 - 主分类号： G06V40/20 文献下载
摘要：本发明公开一种基于多帧输入与轨迹平滑的多目标跟踪方法和装置，方法包括：步骤S1：获取行人视频数据集并进行行人坐标以及行人轨迹的标注，并生成片段型轨迹数据；步骤S2：构造并训练基于多帧输入与轨迹平滑的行人多目标跟踪网络模型；步骤S3：基于训练得到的行人多目标跟踪网络模型进行推理，获取当前帧行人目标检测与特征提取结果以及其前几帧的行人目标检测与特征提取结果，即获取得到多帧图像目标的坐标及外观特征；步骤S4：利用多帧图像目标的坐标及外观特征进行最短特征距离匹配，并利用轨迹曲率平滑函数进行轨迹平滑，最终得到当前帧的轨迹。本发明具有耗时低，且对同类目标的遮挡问题鲁棒性较好的优点。
一种基于输入轨迹平滑多目标跟踪方法装置

[发明专利]基于交叉卷积注意力对抗学习的人脸超分辨方法和装置-CN202210663897.0有效
发明人：孙立剑;曹卫强;王军;徐晓刚;虞舒敏 -专利权人：之江实验室
申请日： 2022-06-14 - 公布日： 2022-09-30 - 主分类号： G06T3/40 文献下载
摘要：本发明公开一种基于交叉卷积注意力对抗学习的人脸超分辨方法和装置，该方法将原始低分辨率图像输入人脸超分辨生成网络，经过卷积层、若干个全局残差通道注意力单元、粗上采样模块、两批局部残差通道注意力单元、精上采样模块，得到目标分辨率图像，再通过索贝尔算子获得边缘信息，通过低倍率降采样处理并反馈到主网络中进一步提高超分辨效果，利用小波变换将目标分辨率图像、真值图像和其他通过数据增强方式得到的图像进行分解，每个图像分解成一个低频信息、两个中频信息和一个高频信息，然后去掉低频信息，融合中频和高频信息，将其送到对抗网络进行判别，最后引入数据增强方法，以产生多个正负样本进行对抗网络与人脸超分辨网络的迭代优化。
基于交叉卷积注意力对抗学习人脸超分辨方法装置

[发明专利]一种基于级联的车牌检测识别方法和装置-CN202210930782.3在审
发明人：徐芬;虞舒敏;王军;徐晓刚;何鹏飞;徐凯 -专利权人：之江实验室;浙江工商大学
申请日： 2022-08-04 - 公布日： 2022-09-06 - 主分类号： G06V20/62 文献下载
摘要：本发明涉及计算机视觉领域，尤其涉及一种基于级联的车牌检测识别方法和装置，该方法包括：步骤一，通过摄像头获取视频图像，使用车牌检测模型，输出每张图像中检测到的车牌矩形边界框和包络框的位置；步骤二，基于步骤一车牌检测的结果，采用仿射变换以得到车牌的正面视角图；步骤三，将所述车牌的正面视角图输入到基于深度卷积神经网络的二分类器中，判断车牌是否为真正的车牌，是则保留，否则移除；步骤四：将步骤三去除假样例后的车牌，通过车牌识别技术实现车牌号码识别，获取检测图像中的所有车牌位置及号码。本发明实现方法简单，可移植性强，能够实现不限于移动摄像头拍摄的公路上、停车场、小区出入口等场所中车牌的精准识别。
一种基于级联车牌检测识别方法装置

[发明专利]一种基于文本特征融合的细粒度车辆识别系统及方法-CN202210052681.0有效
发明人：章依依;曹卫强;徐晓刚;王军;虞舒敏;应志文 -专利权人：之江实验室
申请日： 2022-01-18 - 公布日： 2022-05-13 - 主分类号： G06V20/58 文献下载
摘要：本发明公开了一种基于文本特征融合的细粒度车辆识别系统及方法，系统包括：特征提取模块、分类层、文本表示网络、相似度计算模块、融合标签计算模块、散度损失计算模块；方法包括：步骤S1，构建细粒度车辆图像分类数据集；步骤S2，将训练图像进行特征提取；步骤S3，对图像特征向量进行分类；步骤S4，将数据集各子类标签输入预先训练好的文本表示网络；步骤S5，通过图像特征向量与图像标签的词向量；将得到的强化标签分布与原标签向量进行加权融合；步骤S6，将预测标签分布与加权融合的标签分布的相似度作为损失，指导整个系统的训练；步骤S7，推理阶段，将待测图像进行特征提取与分类层，根据预测的标签分布确定图像类别。
一种基于文本特征融合细粒度车辆识别系统方法

[发明专利]一种基于卷积神经网络的实时车牌检测方法-CN202111567665.7有效
发明人：徐芬;曹卫强;徐晓刚;王军;何鹏飞;虞舒敏 -专利权人：之江实验室
申请日： 2021-12-21 - 公布日： 2022-04-22 - 主分类号： G06V20/62 文献下载
摘要：本发明公开了一种基于卷积神经网络的实时车牌检测方法，包括如下步骤：获取包含车牌的车辆图像，作为训练集，设计keypoint‑Anchor，提取训练集的特征；使用基于深度卷积神经网络的检测模型，作为车牌检测的基线网络架构，并按keypoint‑Anchor方式修改检测模型；使用训练集、目标框坐标及角点坐标对修改后的检测模型进行训练，获得训练好的检测模型；使用训练好的检测模型对待检测的图像进行检测，获得不同角度拍摄图像中车牌的检测结果。本发明实现方法简单，可移植性强，能够实现对摄像头拍摄的公路上、停车场、小区出入口等场所中车牌的精准检测。
一种基于卷积神经网络实时车牌检测方法

[发明专利]一种基于多任务解耦学习的半监督夜间图像分类方法-CN202111220897.5有效
发明人：章依依;郑影;朱亚光;徐晓刚;王军;虞舒敏 -专利权人：之江实验室
申请日： 2021-10-20 - 公布日： 2022-03-18 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于多任务解耦学习的半监督夜间图像分类方法，将白天带标签的样本与夜间无标签的样本，一同输入特征提取网络，其中白天样本提取的特征向量输入分类网络头，采用交叉熵损失函数进行监督；夜间样本提取的特征向量，首先输入分类网络头获得伪标签，再根据伪标签构造正负样本对后输入自监督网络头，采用角度对比损失函数进行监督训练；完成模型多任务训练后，将夜间数据集中少量带标签的样本输入特征提取网络与分类网络头，进行迭代自蒸馏学习，最终实现夜间数据集可以有效分类的效果。
一种基于任务学习监督夜间图像分类方法

[发明专利]一种基于图像知识回顾的深度卷积神经网络自蒸馏方法-CN202111221950.3在审
发明人：张逸;王军;徐晓刚;何鹏飞;虞舒敏;徐凯 -专利权人：之江实验室
申请日： 2021-10-20 - 公布日： 2022-02-08 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了本发明公开一种基于图像知识回顾的深度卷积神经网络自蒸馏方法，该方法首先针对目标网络设置辅助网络，在目标网络的下采样层引出分支，采用知识回顾的思路依次融合和连接各个分支，在训练过程中，通过监督学习以及采用目标网络的下采样层向引出分支层进行学习的方式，达到自蒸馏的目的。本发明在深度卷积神经网络自蒸馏领域引入知识回顾的思路，提高了深度卷积神经网络的训练精度；采用辅助网络的形式进行自蒸馏，相对使用数据增强来拉进类内距离的自蒸馏方法，在实际应用中更加简洁方便。
一种基于图像知识回顾深度卷积神经网络蒸馏方法

[发明专利]一种基于高斯过程迁移学习的复杂曲面高效测量系统-CN202110987333.8有效
发明人：孙立剑;曹卫强;王军;徐晓刚;虞舒敏 -专利权人：之江实验室
申请日： 2021-08-26 - 公布日： 2021-12-21 - 主分类号： G06T7/33 文献下载
摘要：本发明涉及一种基于高斯过程迁移学习的复杂曲面高效测量系统，主要针对形貌随机复杂的2.5D连续曲面，由于训练数据集和测试数据存在的分布上的差异，利用高斯过程在低维隐空间对测试数据进行操作，使其分布逼近训练数据集，该系统包括点云自适应采样模块、曲面配准和稀疏误差重建模块、误差像素化和归一化模块、编码器模块、高斯过程处理模块、解码器模块、解归一化模块、点云空间映射模块，最终将稀疏的点云数据进行增强得到高质量高密度的点云数据。该系统针对接触式形貌测量传感器测量效率较低的问题，通过结合高斯过程和基于深度学习的超分辨技术，完成对稀疏测量数据的高精度加密，具有测量效率高、点云上采样精度高和曲面细节还原性高的优点。
一种基于过程迁移学习复杂曲面高效测量系统

[发明专利]一种基于预训练生成模型的人脸超分辨方法-CN202110934749.3有效
发明人：孙立剑;王军;徐晓刚;曹卫强;朱岳江;虞舒敏 -专利权人：之江实验室
申请日： 2021-08-16 - 公布日： 2021-12-07 - 主分类号： G06T3/40 文献下载
摘要：本发明属于计算机视觉、图像处理领域，涉及一种基于预训练生成模型的人脸超分辨方法，包括：步骤一、采集并将低分辨率图像输入至特征提取模块，提取特征信息；步骤二、将特征信息输入至编码器，得到通道数为输入尺寸8倍的隐式矩阵，隐式矩阵通过分离模块特征分解后获得隐式向量，与人脸标签数据通过级联方式，分别输入至预训练生成模型中，得到生成特征；步骤三、将生成特征传递给解码器，并融合特征提取模块提取的特征信息，经解码操作后输出目标高分辨率图像。本发明可以将低分辨率的人脸进行高倍率的放大，最高可以获得64倍的超分结果，并且超分辨结果保持较好的保真性，使放大的图像在保真度和纹理真实度方面有更好的改进。
一种基于训练生成模型人脸超分辨方法

1
共 15 条