公开(公告)号：CN116167928A

公开(公告)日：2023-05-26

申请号：CN202211578725.X

申请日：2022-12-07

Applicant: 安徽大学

Inventor： 赵建强 ,  孙冬 ,  卢一相 ,  高清维 ,  竺德 ,  檀怡 ,  罗俊 ,  宁婉

IPC: G06T5/00 ,  G06T7/11

Abstract: 本发明公开了一种联合Retinex和暗通道先验的低光照图像增强方法，涉及计算机应用技术领域，其技术方案要点是：具体包括以下步骤：S1：对图像进行预处理；S2：利用反转图像的入射光图像来计算大气光值A，对反转图像选暗通道先验处理，随后图像反转，得到图像I1；S3：对V通道做结合引导滤波的Retinex处理，对S通道进行自适应校正处理，得到图像I2；S4：将S2所得的图像I1和S3所得的图像I2进行融合处理；S5：计算图像评价指标。该方法可以有效的提高图像的质量并且图像更为符合人眼视觉规律。

公开(公告)号：CN114781535A

公开(公告)日：2022-07-22

申请号：CN202210479352.4

申请日：2022-05-05

Applicant: 安徽大学

Inventor： 孙冬 ,  檀怡 ,  樊进 ,  高清维 ,  卢一相 ,  竺德

IPC: G06K9/62 ,  G06F17/16 ,  G06F17/11

Abstract: 本发明属于计算机应用技术领域，公开了一种联合矩阵分解和双向映射网络的多标签分类方法及系统，构建实例特征矩阵和类别标签矩阵并进行归一化处理，构建标准的多标签数据集；将类别标签矩阵分解成语义标签矩阵和潜在标签关联矩阵；基于语义标签矩阵和潜在标签关联矩阵以及模型系数矩阵、标签相关矩阵构建多标签分类模型；分别对模型系数矩阵以及语义标签矩阵和潜在标签关联矩阵进行优化求解，得到训练好的模型；将不可见标签的实例作为测试集输入模型预测的标签矩阵；将预测标签矩阵和真实标签矩阵在五个评价指标下进行对比，评估模型的性能以及有效性。在多个领域的多标签数据集上进行了相关的实验，并且实验证明了本发明的有效性和竞争性。

公开(公告)号：CN113869412A

公开(公告)日：2021-12-31

申请号：CN202111141568.1

申请日：2021-09-28

Applicant: 安徽大学 ,  赛尔网络有限公司

Inventor： 段运生 ,  檀怡 ,  竺德 ,  孙冬

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种联合轻量级注意力机制和YOLOv3网络的图像目标检测方法，包括轻量级注意力机制和YOLOv3网络的目标检测算法的训练过程，本算法通过将轻量级注意力机制和YOLOv3网络结合，以提高特征提取能力，深度可分离卷积模块结合到了YOLOv3网络中，提高了算法的效率并且检测精度进一步提高，多尺度融合方法被用于传统的YOLOv3网络中，提高了模型的特征提取的能力，进而提高了模型的性能，通过将轻量级注意力机制、深度可分离卷积以及多尺度融合方法结合到YOLOv3网络中，设计一个具有较高辨识度的目标检测方法，能够有效的完成图像中目标检测的任务，自动提取图片的特征，并且在提升效率的同时具有较高的检测精度。

公开(公告)号：CN113869412B

公开(公告)日：2024-06-07

申请号：CN202111141568.1

申请日：2021-09-28

Applicant: 安徽大学 ,  赛尔网络有限公司

Inventor： 段运生 ,  檀怡 ,  竺德 ,  孙冬

IPC: G06V10/25 ,  G06V10/80 ,  G06V10/44 ,  G06V10/52 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/048

Abstract: 本发明公开了一种联合轻量级注意力机制和YOLOv3网络的图像目标检测方法，包括轻量级注意力机制和YOLOv3网络的目标检测算法的训练过程，本算法通过将轻量级注意力机制和YOLOv3网络结合，以提高特征提取能力，深度可分离卷积模块结合到了YOLOv3网络中，提高了算法的效率并且检测精度进一步提高，多尺度融合方法被用于传统的YOLOv3网络中，提高了模型的特征提取的能力，进而提高了模型的性能，通过将轻量级注意力机制、深度可分离卷积以及多尺度融合方法结合到YOLOv3网络中，设计一个具有较高辨识度的目标检测方法，能够有效的完成图像中目标检测的任务，自动提取图片的特征，并且在提升效率的同时具有较高的检测精度。

公开(公告)号：CN115249047A

公开(公告)日：2022-10-28

申请号：CN202210965817.7

申请日：2022-08-12

Applicant: 安徽大学

Inventor： 高清维 ,  罗俊 ,  卢一相 ,  孙冬 ,  竺德 ,  赵大卫 ,  檀怡

IPC: G06K9/62 ,  G06F17/16

Abstract: 本发明公开了一种基于标签补全和重构映射的弱标签多标签分类方法，首先建立实例特征信息矩阵和类别标签信息矩阵，形成多标签数据集；然后构建嵌入特征空间的标签特定特征矩阵；基于标签相关矩阵对缺失标签矩阵的信息进行补全；结合嵌入特征矩阵、标签特定特征矩阵、标签相关矩阵以及相对应的约束正则项构建相应的模型；分别对嵌入特征矩阵、标签特定特征矩阵和标签相关矩阵进行优化求解；将测试集作为预测模型的输入，输出预测标签矩阵；将预测标签矩阵与真实标签进行对比，评估预测模型的性能以及有效性。上述方法能够有效解决在建立模型时丢失实例特征信息的问题，并且将生成标签特定特征和后续训练分类模型两个阶段总结到一个框架下。