[发明专利]一种面向深度神经网络可解释性的可视分析系统有效
| 申请号： | 202110127717.2 | 申请日： | 2021-01-29 |
| 公开（公告）号： | CN112884021B | 公开（公告）日： | 2022-09-02 |
| 发明（设计）人： | 单海军;俞再亮;徐岗;吴向阳;刘真;李勇杰;杨凯兵;王丹丹;马书豪;姜子敬;陈思强;渠冲冲;朱威特;徐懂事;高炜哲 | 申请（专利权）人： | 之江实验室;杭州电子科技大学 |
| 主分类号： | G06V10/77 | 分类号： | G06V10/77;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 杭州浙科专利事务所(普通合伙) 33213 | 代理人： | 杨小凡 |
| 地址： | 310023 浙江省杭州市余*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种面向深度神经网络可解释性的可视分析系统，包括：深度学习模型结构和计算过程的解释性可视化模块，揭示深度学习模型内部的网络结构和数据流的逐步计算流程；训练过程数据流的解释性可视化模块，揭示整个训练过程中数据流的统计信息；神经网络特征提取功能的解释性可视化模块，将神经元权重或神经元输出以可视化方式展示给用户，以解释各层神经元的特征提取能力，通过对比可视化方式，发现模型在不同时间点、不同参数等情况下的表现差异；数据异常值的解释性可视化模块，帮助用户发现数据中的异常和训练中模型参数的异常，提示用户及时暂停和修改模型参数；用户定制功能可视化模块，支持多种可视化模块在同一个页面中进行展示。 | ||
| 搜索关键词： | 一种 面向 深度 神经网络 解释性 可视 分析 系统 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于之江实验室;杭州电子科技大学，未经之江实验室;杭州电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202110127717.2/，转载请声明来源钻瓜专利网。
- 同类专利
- 一种手部关键点的检测方法、装置以及存储介质-202310472262.7
- 沙宇洋 - 腾讯科技（深圳）有限公司
- 2023-04-23 - 2023-10-27 - G06V10/77
- 本申请公开了一种手部关键点的检测方法、装置以及存储介质。通过获取待处理图像并裁剪得到手部图像；然后基于通道丢弃机制得到输入手部特征；并对输入手部特征进行特征增强，以得到注意力增强的手部特征；进而映射为手部坐标信息，以确定手部坐标信息对应的手部关键点。从而实现适应于不同场景的手部关键点检测过程，由于采用通道丢弃机制进行特征提取，使得手部特征包含了关键点之间的关联关系，且通过注意力机制的特征增强，使得手部特征从全局与局部的角度进行了特征的关联，提高了手部关键点检测的准确性。
- 图数据处理方法、装置、电子设备及存储介质-202310627406.1
- 黄自豪 - 腾讯科技（深圳）有限公司
- 2023-05-30 - 2023-10-27 - G06V10/77
- 本申请实施例公开了一种图数据处理方法、装置、电子设备及存储介质，该图数据处理方法通过构建全零特征，当全零特征的特征维度的总和，与原始图数据的多种目标类别中其他类别的特征维度的总和相等时，将原始特征与全零特征融合得到目标特征，当全零特征的特征维度与多种目标类别的特征维度的总和相等时，通过将原始特征的特征元素写入至全零特征，同样得到目标特征，不同目标类别的图元素都能实现维度统一，最后将各个图元素的原始特征替换为对应的目标特征得到目标图数据，从而可靠、有效地将原始图数据转换为结构更加简单的目标图数据，降低了后续对原始图数据的处理难度，可广泛应用于图数据转换技术等技术领域。
- 基于机器学习的地质大数据智能清洗方法-202311210864.1
- 薛立明;何祖臣;赵相博;徐进达;于广婷;刘同文;张志进;宋冠涵;段越洋 - 山东省地质测绘院
- 2023-09-20 - 2023-10-27 - G06V10/77
- 本发明涉及图像处理技术领域，具体涉及基于机器学习的地质大数据智能清洗方法，包括：获取不同尺度下地貌图像的梯度图像；构建二维直方图；根据每个梯度图与每个梯度图的每次下采样下的信息熵获取梯度图像的损失评分值；获取最佳变量值；根据最佳变量值获取任意梯度图的每次下采样下的梯度图像的损失评分值，获取最佳损失评分值序列单调性，获取最佳尺度值；获取每个分组中的每个图像的保留概率；根据最佳尺度获取每组的损失评分序列；获取保留评分值，根据保留评分获取抽帧保留的图像，完成地质大数据的智能清洗。本发明通过获取图像的保留评分对地质大数据进行清洗，保证抽帧后数据的有效性。
- 一种基于注意力机制的轻量化图像特征提取方法-202310696027.8
- 黄波;李家洲 - 优简（南京）信息科技有限公司
- 2023-06-13 - 2023-10-24 - G06V10/77
- 本发明公开了一种基于注意力机制的轻量化图像特征提取方法，步骤包括：获得混洗输入特征作为中间特征；将空间信息嵌入到高度维度以及宽度维度中；获得高度维度注意力权重以及宽度维度注意力权重；学习得到注意力模块的注意力权重；获得分支加权融合后的特征输出。该轻量化图像特征提取方法采用通道分割的方式将输入特征划分成两个子特征图，其中一个子特征图通过通道混洗和残差连接的方法构造新的子特征图，再将残差连接后的新的子特征图与另一个子特征图做通道拼接得到中间特征，没有引入额外参数，保证模型的轻量化；通过考虑中间特征的重要性，并通过分支自适应加权融合输入特征和中间特征的信息，能够提高网络的特征提取能力。
- 基于三维点云数据的二次匹配回环检测方法、装置和设备-202310885527.6
- 刘旭;邹林;张玉波;张炜;芦宇峰;陈梁远 - 南方电网科学研究院有限责任公司;广西电网有限责任公司电力科学研究院
- 2023-07-18 - 2023-10-20 - G06V10/77
- 本申请涉及一种基于三维点云数据的二次匹配回环检测方法、装置和设备，该方法包括获取物体的三维点云数据和关键帧，将关键帧插入三维点云数据中进行第一次匹配回环分析，得到匹配回环分析结果；根据匹配回环分析结果构建物体的局部地图，从局部地图中提取三维点云数据的线特征和面特征作为特征信息，根据特征信息对局部地图进行匹配，得到当前匹配帧；将当前匹配帧迭代入匹配回环分析结果中进行第二次匹配回环分析，得到物体回环检测的特征匹配最优值。该方法在回环检测过程中通过第一回环匹配实现粗略回环后，结合三维点云数据的特征信息迭代回第一回环匹配的匹配回环分析结果进行第二次回环匹配，从而提高回环的精度。
- 基于Transformer-CNN混合架构的RGB-D跨模态交互融合机械臂抓取检测方法-202310829290.X
- 王勇;李邑灵;安春艳 - 重庆理工大学
- 2023-07-07 - 2023-10-20 - G06V10/77
- 本发明公开了基于Transformer‑CNN混合架构的RGB‑D跨模态交互融合机械臂抓取检测方法，涉及机械臂技术领域。本发明采用Transformer和CNN的混合架构构建深度学习网络，利用一个跨模态交互融合编码器对RGB图像和Depth图像不同模态的信息进行校准融合，并减少了Depth图像中噪声因素的影响，整个网络架构由编码器、解码器和抓取预测模块组成，Encoder用于对输入图像进行下采样编码提取抓取检测图像的特征信息，Decoder对这些特征信息进行上采样解码分析，最后在Detection中实现像素级的抓取预测。
- 一种基于Transformer的抓取位姿检测方法-202311078801.5
- 徐向荣;张卉;俞青松;刘胤真;蒲泉成;郜菊 - 安徽工业大学
- 2023-08-24 - 2023-10-17 - G06V10/77
- 本发明公开了一种基于Transformer的抓取位姿检测方法，属于机器人识别技术领域，包括：将获取的输入图像送入编码器进行特征提取，输出特征图，编码器包含多个Swin转换模块；第一解码器对特征图进行上采样和特征融合；第二解码器对特征图进行解码，输出抓取质量分数图、宽度图和角度图；构建基于Transformer的抓取位姿检测模型；构建损失函数，将抓取姿态预测作为回归问题，通过最小化预测抓取图和真实抓取图之间的距离，训练和优化抓取位姿检测模型，直到抓取位姿检测模型训练收敛，最终获得基于Transformer的抓取位姿检测模型；利用获得的基于Transformer的抓取位姿检测模型进行抓取位姿检测。针对现有的抓取精度低的问题，本发明通过Transformer和卷积神经网络的组合，提高抓取检测的精度。
- 一种基于多源信息多尺度融合的目标检测方法-202310899979.X
- 刘博;米佳琛;王兴梅;胡晓宇;曾议芝 - 中国航空无线电电子研究所
- 2023-07-21 - 2023-10-13 - G06V10/77
- 本发明公开了一种基于多源信息多尺度融合的目标检测方法，对原始图像数据和原始点云数据进行相应的数据处理，提取原始图像数据的多尺度融合的图像特征图，提取原始点云数据的点云特征；构建PPFVNet模型；将图像特征与点云特征通过维度匹配修改至同一维度上，再进行点对点拼接完成图像特征与点云特征的融合操作，构建多源信息融合的特征作为PPFVNet模型输入；将融合的特征输入至PPFVNet模型中进行训练，得到目标的分类概率图以及位置回归图，随后计算预测值与真实值的损失函数并进行剃度修正与参数反向传递，最终输出目标检测结果。本发明在目标识别精确率和鲁棒性上有较好的表现，具有一定的有效性。
- 基于多模态特征融合的肺结节智能分级方法及系统-202310927581.2
- 蒋慧琴;马岭 - 郑州大学
- 2023-07-26 - 2023-10-13 - G06V10/77
- 本发明利用体检人群真实世界临床多模态数据，提供一种基于多模态数据特征融合的肺结节智能分级方法及系统，基于胸部CT检查影像和检查报告获取肺结节ROI和VOI，设计一种基于注意力机制的多任务特征提取网络，从ROI和VOI获取影像组学特征和深层图像特征；设计一种基于图表示学习的跨模态特征融合方法，设计多模态信息提取方法，获取每个模态的特定特征表示和图结构，然后进行特征表示和图结构融合；提出一种基于自监督学习的肺结节分级GCN模型优化与临床验证方法，实现仅有细微差异的肺结节恶性度精细分级，为细粒度分类算法设计提供一种新途径；在解决临床问题方面，提出一种有机结合生成式和对比式自监督学习的分类算法优化方法和临床验证方案。
- 一种基于深度学习的前视声呐图像水下多目标跟踪方法-202310696427.9
- 于晓阳;周天;贾昊明;聂骁健;徐超;金美慧 - 哈尔滨工程大学
- 2023-06-13 - 2023-10-13 - G06V10/77
- 本发明提出一种基于深度学习的前视声呐图像水下多目标跟踪方法。所述方法包括：步骤一、需要采集声呐图像，并根据需要构建目标检测模型的数据集。步骤二：在基于YOLOv5s模型的基础上，添加CBAM注意力机制模块，并用SPD‑Conv小目标检测模块替换原网络结构中起下采样作用的卷积层。步骤三：为了训练YOLOv5_cs网络模型并得到预训练模型，利用公开声呐图像数据集，并采用迁移学习的方法。本发明将在YOLOv5_cs模型基础上，使用公开声呐图像数据集进行微调和训练，以使模型适应声呐图像的特点，并提高其在目标跟踪任务中的性能。
- 一种基于自监督模态优化的图像描述生成方法-202310949635.5
- 王烨;李戴天霞;刘群 - 重庆邮电大学
- 2023-07-31 - 2023-10-10 - G06V10/77
- 本发明属于图像数据处理领域，具体涉及一种基于自监督模态优化的图像描述生成方法；该方法包括：采用图像编码器提取图像的全局特征和网格特征，采用文本编码器提取文本描述的文本特征；采用视觉精炼模块对网格特征进行处理，得到精炼图像网格特征；将图像全局特征和文本特征输入到跨模态特征优化器中进行处理，得到优化图像全局特征；采用解码器对优化图像全局特征和精炼图像网格特征进行处理，生成文本描述；计算模型总损失并根据模型总损失调整模型参数，得到训练好的自监督模态优化图像描述模型；将待描述的图像输入到训练好的自监督模态优化图像描述模型，生成图像的文字描述；本发明可生成更自然、更准确的描述。
- 基于深度学习的CT图像上纵膈病灶的检测方法及系统-202310966999.4
- 吴思竹;钱庆;刘盛宇;钟明 - 中国医学科学院医学信息研究所
- 2023-08-02 - 2023-10-10 - G06V10/77
- 本发明公开了一种基于深度学习的CT图像上纵膈病灶的检测方法及系统，涉及医疗影像智能识别领域。方法包括以下步骤：S1、数据获取及预处理步骤；S2、模型构建步骤；S3、模型训练步骤；S4、模型验证步骤；通过应用DeepLesion数据集进行模型预训练及应用MICCAI2022MELA Challenge数据集进行模型训练和验证。本发明为CT图像上的纵膈病灶检测提供了一种有效的算法，有望大幅减少放射科医生的工作量，提高放射科医生的表现，并缩短报告时间。
- 一种基于梯度先验的鲁棒双边稠密特征上采样方法及应用-202310740750.1
- 陆昊;付洪涛;刘文泽;曹治国 - 华中科技大学
- 2023-06-21 - 2023-10-10 - G06V10/77
- 本发明公开了一种基于梯度先验的鲁棒双边稠密特征上采样方法及应用，属于图像处理技术领域。包括：从稠密预测网络中提取需要上采样的图像特征，得到输入特征图；对输入特征图进行均值处理，得到均值特征图；对均值特征图做梯度映射，得到梯度先验特征，将每一个对应点的梯度先验整理为上采样梯度核；将上采样过程中原像素和上采样后像素相对距离做距离映射，生成距离先验特征，将每一个对应点的距离先验特征整理为上采样距离核；将距离核和梯度核相结合，生成上采样核；最后将输入特征上采样核之间进行卷积操作，得到对应输入特征图的上采样后的特征图。本发明能够克服以往算子需要高分辨率特征引导的局限性，使其能够具有多任务鲁棒性。
- 一种多策略下的多场景图像翻译及视频生成方法-202310768800.7
- 徐立芳;莫宏伟;张骞;闫景运;才鑫源 - 哈尔滨工程大学
- 2023-06-28 - 2023-10-10 - G06V10/77
- 本发明提供一种多策略下的多场景图像翻译及视频生成方法，涉及到多场景问题下多策略的图像翻译技术。针对多场景下图像翻译可控性弱以及解耦性不强的问题，考虑多场景下图像翻译所涉及的信息，包括多样性、语义性、配对性、层次性和耦合性，设计了一种基于对偶学习、增强循环一致性和分层解耦的多策略体系，实现对待翻译图像中的属性信息、特征信息、背景信息的统一编辑，实现多场景下图像翻译模型的构建。本发明能有效解决图像翻译存在的场景复杂、可解释性弱、可控性不强以及耦合性强的问题，提升图像翻译模型在多场景下，针对单一特征或多特征的生成和翻译能力。
- 一种基于深度学习的目标检测方法和系统-202310761008.9
- 魏亮;谢玮;魏薇;彭志艺;张学阳;郑晓玲 - 中国信息通信研究院
- 2023-06-26 - 2023-10-03 - G06V10/77
- 本发明提供一种基于深度学习的目标检测方法和系统，通过先提取生物和时间维度特征，再在重点关注区域内提取深度学习特征。针对生物特征采用生物指纹匹配和滑动框二次采样；针对时间特征根据差异化结果重新定义采样窗，再次对深度学习和生物两种特征进行采样重组。计算两两特征样本集之间的差异值，不仅可以调整重点关注区域的范围，还可以判断是否分类成功，克服了现有技术需要引入注意力机制、抑制不相关背景的不足，实现检测的高效性和自动性。
- 中餐菜品图像识别方法及装置-202010334520.1
- 高伟东;郝然 - 北京邮电大学
- 2020-04-24 - 2023-10-03 - G06V10/77
- 本发明实施例提供一种中餐菜品图像识别方法及装置，所述方法包括：获取目标中餐菜品图像，对所述目标中餐菜品图像执行预处理操作；将经过预处理的所述目标中餐菜品图像输入至中餐菜品图像识别模型中，获得中餐菜品识别结果；其中，所述中餐菜品图像识别模型是基于经过预处理的中餐菜品图像样本以及对应的中餐菜品类别标签训练获得的，所述中餐菜品图像识别模型基于DenseNet模型构建，所述中餐菜品图像识别模型的网络结构包括：N个用于实现特征复用的密集连接块和N‑1个用于压缩参数数量的过渡层；N为大于1的自然数。本发明实施例能够对多种中餐进行准确检测与识别，识别种类广泛、识别准确率高。
- 一种图像处理方法以及相关设备-202310216763.9
- 杨昊;洪蓝青;李傲雪;胡天阳;李震国;王立威 - 华为技术有限公司
- 2023-02-27 - 2023-09-29 - G06V10/77
- 本申请实施例公开一种图像处理方法以及相关设备，该方法可用于人工智能领域的三维场景中，方法包括：将训练样本输入第一模型，得到训练样本中每个图像的特征信息，对第一模型进行训练；训练样本包括第一场景在多个视角下的图像，其中有第一图像和第二图像，训练的目标包括提高第一特征信息和第二特征信息之间的相似度，第一特征信息包括第一图像中第一点的特征信息，第二特征信息包括第二图像中第二点的特征信息，第一点和第二点与第一场景中的同一点对应。在利用训练后的第一模型进行特征提取时，场景中同一点在不同视角下的图像中的特征信息会更相似，前述特征信息能够反应不同视角的图像之间的联系，有利于增强模型的几何感知能力。
- 基于细粒度特征提取的目标检测方法及装置-202310874098.2
- 李琦铭;李俊 - 中国科学院福建物质结构研究所
- 2023-07-17 - 2023-09-29 - G06V10/77
- 本发明涉及计算机视觉和目标检测技术领域，提供一种基于细粒度特征提取的目标检测方法及装置，该方法将待检测图像输入至检测模型，得到检测模型输出的目标的检测结果。该检测模型包括顺次连接的特征提取模块、细粒度特征提取和融合模块和检测器，通过特征提取模块提取待检测图像的多个不同分辨率的图像特征，通过细粒度特征提取和融合模块基于注意力机制，将多个不同分辨率的图像特征中的第一图像特征与其他图像特征进行关联，并基于关联结果提取目标细粒度特征，并将目标细粒度特征和第一图像特征进行融合，将所得的融和结果与第二图像特征在通道维度进行拼接，进而使检测器利用拼接结果得到检测结果，该检测结果更加准确，检测精度高。
- 一种异维特征的模型构建方法及图像识别方法、装置-201910712897.3
- 李一力;尉桦;邵新庆;刘强 - 深圳力维智联技术有限公司;南京中兴力维软件有限公司
- 2019-08-02 - 2023-09-29 - G06V10/77
- 一种异维特征的模型构建方法及图像识别方法、装置，该模型构建方法包括：通过样本图像训练得到用于图像识别的第一网络模型和第二网络模型；对第一网络模型的特征层进行降维处理，以使得该第一网络模型的特征层的特征维度等于第二网络模型的特征层的特征维度；通过知识蒸馏处理在降维处理后的第一网络模型和所述第二网络模型之间进行知识迁移，利用知识蒸馏出的图像识别信息对该第二网络模型进行训练，得到第二网络模型对应的图像识别模型。由于通过降维处理使得第一网络模型的特征层的特征维度能够等于第二网络模型的特征层的特征维度，从而利于在相同的特征维度下进行知识蒸馏处理，能够避免知识蒸馏方法在图像识别领域的应用局限性。
- 一种船舶复杂环境目标特征增强方法、系统及设备-202310786214.5
- 蔡东升;黄琦;孙敏;井实;李坚;黄鑫 - 成都理工大学
- 2023-06-29 - 2023-09-26 - G06V10/77
- 本发明提供了一种船舶复杂环境目标特征增强方法、系统及设备，涉及目标特征增强领域，该方法包括：在通道维度上，采用深度可分离卷积提取船舶图像的特征图；采用通道注意力机制确定所述特征图内通道之间的整体信息以及各通道之间的信息权重；在空间维度上，通过全局最大池化和全局平均池化确定所述船舶图像各像素所包含的目标位置，并采用空间注意力机制构建各像素之间的信息关联；融合所述通道注意力机制以及所述空间注意力机制，根据所述整体信息、各通道之间的信息权重以及各像素之间的信息关联，生成目标增强后的船舶图像。本发明能够全面捕捉图像特征。
- 基于轻量级特征融合网络的类别级物体6D位姿估计方法-202310943921.0
- 孙炜;杨慧;刘剑;刘崇沛 - 湖南大学
- 2023-07-31 - 2023-09-26 - G06V10/77
- 本发明公开了一种基于轻量级特征融合网络的类别级物体6D位姿估计方法，通过将相机采集的物体深度图像经过反投影得到物体点云，然后使用PointNet++网络提取物体点云和形状先验的几何特征，并将其送入轻量级特征融合编码器中进行密集融合，将融合后得到的特征输至多层感知机并进行平均池化得到全局特征，最后，根据几何特征和全局特征重建物体模型，并通过位姿回归求解6D位姿。本发明有效的将物体点云特征和形状先验特征进行融合，将形状先验几何特征引入到实例中，使其形状信息更加可靠；将实例的几何信息融合到形状先验中，使其对类别内的不同实例有更好的泛化效果，并在6D位姿估计准确性、速度等性能上得到了显著的提升。
- 一种牙颌数字模型特征数据集构建方法-202310113782.9
- 张永弟;赵立松;王浩楠;王伟志;杨光 - 河北科技大学
- 2023-02-15 - 2023-09-22 - G06V10/77
- 本发明公开了一种牙颌数字模型特征数据集构建方法，属于牙齿正畸医疗技术领域。使用了几何变换和主成分分析（Principal Component Analysis，PCA）相结合的坐标系标准化方法，并在此基础上确定了离散曲率、法向量、形状直径函数和离散测地距离为特征提取的主要影响要素，进而制定了特征提取策略，最终构建了有76个特征组成的牙颌数字模型特征数据集。本发明能够提高牙颌数字模型特征提取的准确性和牙齿分割的效率，能有效降低位姿对牙颌数字模型特征提取带来的负面影响。
- 一种优化影像组学体素相关变异性的去除批次效应方法-202310769395.0
- 卓瑶瑶;单飞;张志勇;王青乐;詹艺;沈杰;范卓阳;曾蒙苏 - 复旦大学附属中山医院
- 2023-06-27 - 2023-09-22 - G06V10/77
- 本发明公开了一种优化影像组学体素相关变异性的去除批次效应方法，其特征在于，对于不同体素的CT扫描数据利用ComBat优化方法进行优化以去除批次效应。本发明通过肺结节体模和临床数据进行不同体素相关的CT组学特征重复性及再现性研究，深入分析体素相关的肺结节CT组学特征变异性；使用重采样(升采样和降采样)和ComBat方法对CT组学特征进行优化，并于优化前后进行对比分析；最后使用临床实际数据进行验证。
- 一种标签化的用户能力画像分析方法及系统-202310102294.8
- 郑楠;曹鹏宇;杨连增 - 国信蓝桥教育科技股份有限公司
- 2023-02-13 - 2023-09-22 - G06V10/77
- 本发明公开了一种标签化的用户能力画像分析方法及系统，根据历史课程数据提取出目标用户的历史学习特征，预测出目标用户的历史学习标签，基于目标用户的历史学习特征预测出目标用户的下一时间段学习特征，基于历史学习特征和下一时间段学习特征进行融合，得到综合学习特征，基于综合学习特征预测出目标用户的下一时间段学习标签，基于历史学习标签对下一时间段学习标签进行矫正，得到目标用户的学习能力标签。如此得到的目标用户的学习能力标签可以准确刻画和反应目标用户的学习能力和对相关知识的可接受程度，在此基础上，更进一步的对目标用户的学习能力标签进行优化和调整，得到的用户能力画像更加准确反应目标用户的真实情况。
- 用于对象计数的图像处理方法、装置、设备及存储介质-202310894115.9
- 王昌安 - 腾讯科技（深圳）有限公司
- 2023-07-20 - 2023-09-22 - G06V10/77
- 本申请关于一种用于对象计数的图像处理方法、装置、设备及存储介质，涉及人工智能技术领域。方法包括：获取目标图像；将目标图像中的M个图像块分别映射至目标特征空间，获得M个图像块各自的图像块特征；基于M个图像块各自的图像块特征，从K个原型特征中确定M个图像块各自匹配的原型特征；基于M个图像块各自匹配的原型特征的指定对象计数值，获取目标图像中的指定对象的数量。该方案能够提高通过AI技术对目标图像中的指定对象进行计数的准确性。
- 一种对HRRP序列进行空间目标分类的方法和系统-202211599022.5
- 张袁鹏;解岩;康乐;姚汉英;罗迎;朱振波;张群;汤子跃 - 中国人民解放军空军预警学院
- 2022-12-14 - 2023-09-22 - G06V10/77
- 本发明提供一种对HRRP序列进行空间目标分类的方法和系统，包括HRRP序列输入、基于浅层特征提取模块对空间目标对象细粒度特征进行提取，并完成特征图结构向token结构转换、基于时空特征提取模块对空间目标对象的时‑空特征、全局‑局部特征进行提取和融合、空间目标对象分类输出；该方法能够有效的利用HRRP序列实现空间目标识别，即便HRRP序列是缺失的；考虑到HRRP序列数据蕴含空间目标的微动特征和结构特征，设计了由Transformer和卷积神经网络构成的双分支并行模块，能够有效保留缺失HPPR序列数据间的长距离依赖关系，且在捕获全局特征的同时不会丢失目标的局部特征。
- 多尺度邻域扩散的遥感点云投影图像处理方法-202310655488.0
- 孙勇;程东阳;赵永刚;刘良;阮玉玲;潘琦;谢鹏遥;俞文捷 - 中水淮河规划设计研究有限公司
- 2023-06-02 - 2023-09-19 - G06V10/77
- 本发明涉及三维点云转化为二维灰度图像的方法，包括如下步骤：a采集物体的点云数据，基于投影平面将所述点云数据投影以获得所述物体的二维点；b确定所述二维点与像素的映射关系，并基于所述映射关系，赋予所述像素灰度值，从而将二维点云转化为灰度图像；c基于多尺度邻域扩散方法消除所述灰度图像的空像素。本发明提供一种多尺度邻域扩散的遥感点云投影图像处理方法，能够适用于所有点云数据，且图像边缘特征更加明显，能够很好消除投影图像中的空像素，使得到的图像更加平滑完整。
- 一种显微高光谱胆囊癌图像降维方法-202210217945.3
- 高红民;杨琪;朱敏;曹雪莹;李臣明 - 河海大学
- 2022-03-08 - 2023-09-19 - G06V10/77
- 本发明公开了一种显微高光谱胆囊癌图像降维方法，可以减少高光谱胆囊癌图像特征冗余性，从而高效提取高光谱胆囊癌图像的特征，显著提高癌变部位分类的精度，且降维效果较传统的PCA与LDA等降维方法相比，在高光谱胆囊癌图像分类上有明显的优势。传统的降维方法(如PCA与LDA等)是线性降维方法，会导致不同样本类别不可分。而基于超像素流形学习的高光谱胆囊癌图像降维方法，通过引入AWF滤波模块、流行学习PaCMAP模块、超像素模块、和核主成分分析模块，可以利用低维数据来有效地表达高维数据的特征，同时也压缩了数据量，更有利于信息的快速提取。
- 一种面向卷积神经网络隐写分析的优化方法-202110687400.4
- 张茹;邹盛;刘建毅;田思远 - 北京邮电大学;北京慧科信安科技有限公司
- 2021-06-21 - 2023-09-19 - G06V10/77
- 本发明公开一种面向卷积神经网络隐写分析的优化方法，包括：可视化同类样本的类内聚集度：采用非线性的t‑sne降维算法将每一个样本点对应的特征集降维到二维可视的情况下进行观察。隐写检测样本集的变异系数：为了消除量纲和测量尺度对于衡量样本聚集程度的影响，因此选择变异系数测量样本的离散程度进而反应CNN隐写分析算法特征学习能力。变异系数的值和样本的离散程度成正相关，样本离散程度越大，变异系数越大；样本越聚集，则变异系数越小。基于变异系数后验调整特征集：加入一个特征筛选层来对算法学到的特征进行人工过滤，去除一些不利于后期分类的所谓的“坏”特征，既能一定程度提高算法的准确率还能再次验证变异系数的衡量有效性。
- 一种分离图像中两种互斥成分的方法-202110966494.9
- 郭晓杰;胡启明;李明佳 - 天津大学
- 2021-08-23 - 2023-09-19 - G06V10/77
- 本发明公开一种分离图像中两种互斥成分的方法，该方法是基于双流信息交互模块的神经网络，其特征在于：所述双流信息交互模块采用如下步骤实现分离图像中两种互斥成分：S1、神经网络中并列的两个卷积层对采集图像的图像特征输出；S2、二分解单元采用两路分支对图像特征激活获得第一激活图像特征和第二激活图像特征；S3融合图像单元对第一激活图像特征和第二激活图像特征进行结合生成第一结合特征和第二结合特征；本发明相对于传统的均使用ReLU激活函数进行激活的双分支网络，引入了负ReLU激活函数对被ReLU激活函数抛弃的特征进行保留，并传输到另一分支，从而维持了信息总量，避免了信息丢失，提升了信息的传输效率。
- 专利分类
