-
公开(公告)号：CN112699900A
公开(公告)日：2021-04-23
申请号：CN202110005171.3
申请日：2021-01-05
Applicant: 东北林业大学
Abstract: 本发明涉及一种改进YOLOv4的交通标志识别方法。通过对实验数据集进行添加随机高斯噪声、CutMix数据增强和马赛克数据增强等数据预处理方法对数据集进行扩充，再利用改进的YOLOv4模型识别出交通标志及其置信度。所述改进的YOLOv4模型是首先在引入深度可分离卷积的特征提取网络进行特征提取，然后将获得的不同尺度特征图输入双向特征金字塔网络结构进行多尺度特征融合，融合不同尺度特征信息并增强相同尺度信息，最后对不同大小特征图进行预测与回归获得最终识别结果。改进的YOLOv4模型利用Focal损失函数使识别过程中正负样本数量不均衡问题得以解决。实验表明，改进的YOLOv4模型参数量与计算量较小，推理时间短，能够快速准确地识别出不同环境下的交通标志。
-
公开(公告)号：CN113360601A
公开(公告)日：2021-09-07
申请号：CN202110646495.5
申请日：2021-06-10
Applicant: 东北林业大学
IPC: G06F16/33 , G06F16/34 , G06F40/242 , G06N3/08
Abstract: 本发明涉及一种融合主题的PGN‑GAN摘要生成方法，为了能够生成更加贴近主题信息和源文本的摘要，本发明在指针生成网络的基础上尝试融入了LDA主题模型，并将主题信息融入到结合指针网络和GAN的序列到序列模型中，该模型将利用主题来模拟人类的先验知识，从而使摘要更多的结合主题生成，在获得主题词向量后与上下文共同合成新向量来影响文本的生成。本发明提出的加入了生成对抗网络的指针生成网络模型结果较其他生成的摘要更加通顺，同时因为主题信息的引入，更加贴近原文的含义。
-
公开(公告)号：CN112966647A
公开(公告)日：2021-06-15
申请号：CN202110319273.2
申请日：2021-03-25
Applicant: 东北林业大学
Abstract: 本发明提出一种基于聚类的无监督模型，使用逐层聚类的方法提高模型在目标域生成的伪标签的质量，并利用生成对抗网络生成辅助样本增强模型对于环境的鲁棒性，以此来形成在开放世界中具有高辨别力的行人重识别模型。其包括以下步骤：1：使用一种逐层聚类的方法，逐渐对提取出的特征向量进行聚合，为置信度较高的簇设置伪标签，并将带伪标签的目标域样本进行监督学习；步骤2：利用生成对抗网络生成跨摄像机的目标域辅助样本，并将其加入到目标域数据中参与聚类迭代以及模型损失优化；步骤3：在辅助样本加入后，结合三元组损失以及交叉熵损失对模型进行分阶段调整，提高模型稳定性。
-
Patent Agency Ranking
公开(公告)号：CN113962885A
公开(公告)日：2022-01-21
申请号：CN202111194916.1
申请日：2021-10-14
Applicant: 东北林业大学
IPC: G06T5/00 , G06T7/73 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出HR‑CycleGAN(Highlight Reduction‑CycleGAN)网络进行图像高光处理，利用风格迁移中常用的CycleGAN网络来对图像的高光区域进行修复，并改进其网络结构，添加了部分局部判别器，提高对人脸高光常见区域的高光修复效果。此外，本发明在网络中加入了亮度参数来控制生成图像亮度状况。本发明主要分为三部分，第一部分通过目标检测与模糊逻辑划分高光区域；第二部分对HR‑CycleGAN网络进行迭代训练，其中使用多个判别器对生成图像进行鉴别，提高生成图像的质量以及细节丰富度；并引入亮度信息损失函数，有效控制生成图像的高光溢出状况，达到高光去除的效果。本发明较其他改善高光溢出的图像处理方法各方面都得到了极大的提高，尤其在图像质量方面提高显著。
-
公开(公告)号：CN113012171A
公开(公告)日：2021-06-22
申请号：CN202110356839.9
申请日：2021-04-01
Applicant: 东北林业大学
Abstract: 本发明公开了一种基于协同优化网络的肺结节分割方法。包括如下步骤：1：把原始样本数据x输入到表示分割网络S中，训练分割网络的分割能力以生成带标签的数据y1；2：将带标签的样本数据y输入到生成器G中，将生成器生成数据x1和原始的样本数据x输入到判别器D中，在每次迭代结束后，对对抗网络进行更新训练；3：将带标签的真实样本数据y输入到生成器G中，将生成器生成数据x1和原始的样本数据x分别输入到判别器D和分割模型S中，在每次迭代结束后，对任务分割模型和对抗网络进行更新训练。本发明在分割模型中增加了整个架构的深度，而没有显著增加计算成本，使生成特征表示的生成器与状态鉴别器进行对抗训练。
-
公开(公告)号：CN113962885B
公开(公告)日：2024-05-28
申请号：CN202111194916.1
申请日：2021-10-14
Applicant: 东北林业大学
IPC: G06T5/77 , G06T5/90 , G06T7/73 , G06T5/60 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明提出HR‑CycleGAN(Highlight Reduction‑CycleGAN)网络进行图像高光处理，利用风格迁移中常用的CycleGAN网络来对图像的高光区域进行修复，并改进其网络结构，添加了部分局部判别器，提高对人脸高光常见区域的高光修复效果。此外，本发明在网络中加入了亮度参数来控制生成图像亮度状况。本发明主要分为三部分，第一部分通过目标检测与模糊逻辑划分高光区域；第二部分对HR‑CycleGAN网络进行迭代训练，其中使用多个判别器对生成图像进行鉴别，提高生成图像的质量以及细节丰富度；并引入亮度信息损失函数，有效控制生成图像的高光溢出状况，达到高光去除的效果。本发明较其他改善高光溢出的图像处理方法各方面都得到了极大的提高，尤其在图像质量方面提高显著。
-
公开(公告)号：CN112766237A
公开(公告)日：2021-05-07
申请号：CN202110269085.3
申请日：2021-03-12
Applicant: 东北林业大学
Abstract: 本发明涉及一种基于簇特征点聚类的无监督行人重识别方法，包括如下步骤：利用行人检测数据集训练行人检测模型，将行人检测模型用于摄像头捕捉的目标域原始图像行人检测，检测出原始图像中的不同行人区域作为目标域数据集，利用在源域上预训练的行人重识别模型在目标域中数据集行人图像进行特征提取，对提取后的特征信息进行逐层聚类，每次合并“簇特征点”距离最近的两个簇，聚类结束后为同一簇内图像赋予相同伪标签；选取困难正负样本点对行人重识别模型进行调整；重复如此直至损失函数收敛后进行行人查询。本方法适用于无标签数据集中的行人重识别任务，减少人工标注图像的巨大开销，能够广泛应用于不同的无标签数据集中，缓解了跨域产生的模型性能大幅度下降问题。
-
公开(公告)号：CN213584609U
公开(公告)日：2021-06-29
申请号：CN202022887383.2
申请日：2020-12-04
Applicant: 东北林业大学
Abstract: 本实用新型涉及车载配件技术领域，尤其涉及一种空气负离子发生装置，包括器体、支撑块、底板和固定组件，所述支撑块固定连接在器体的底部，所述底板固定连接在支撑块的底部，所述固定组件嵌设在底板上，所述固定组件包括有密封管、拉杆、活塞拉板、连接管和真空吸盘，所述拉杆的底部贯穿密封管顶部的中部并延伸至密封管的内部，所述活塞固定连接在拉杆的底部。本实用新型将真空吸盘与汽车内的代放置处接触，向上拉动拉板，通过拉杆使得活塞在密封管的内部向上移动，将真空吸盘内部的空气抽取，使真空吸盘内产生负气压，将底板吸牢在汽车内，固定牢固，防止出现器体出现掉落情况的发生，提高了安全性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.028 seconds)
