公开(公告)号：CN118351429A

公开(公告)日：2024-07-16

申请号：CN202410521780.8

申请日：2024-04-28

Applicant: 哈尔滨工程大学

Inventor： 尹航 ,  余乐安 ,  滕一铭 ,  朱建新 ,  王天辰 ,  吴雄

IPC: G06V20/05 ,  G06V10/764 ,  G06V10/82 ,  G06N3/044 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/096

Abstract: 本发明公开了一种基于领域知识的水下小样本图像分类方法，本发明涉及图像分类技术领域，步骤一、构建语义矩阵；步骤二、对数据进行预处理；步骤三、零样本模型分类，在语义解耦的广义零样本模型基础上；步骤四、采用了较为常见的卷积神经网络模型作为小样本基础分类模型；步骤五、通过模型集成获得最终分类结果，可以替换成传统的多数投票为基础的集成方案，本发明的优点在于：通过最终的分类目标是利用六个辅助类别的图像和语义信息、三个目标类别的小样本图像信息和语义信息，使得最终集成模型在分类准确率上优于基础的小样本分类模型，方便将专家领域知识直接应用于分类模型中，为提高模型性能提供支撑。

公开(公告)号：CN118570517A

公开(公告)日：2024-08-30

申请号：CN202410296931.4

申请日：2024-06-25

Applicant: 哈尔滨工程大学

Inventor： 余乐安 ,  王天辰 ,  滕一铭 ,  吴雄 ,  何昌华 ,  朱建新

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种基于语义解耦的零样本辅助小样本图像分类方法，本发明涉及图像识别技术领域，小样本图像分类方法具体步骤为：构建语义矩阵、数据预处理、零样本模型分类、小样本基础模型分类和模型集成获得最终分类结果，本发明的优点在于：通过辅助类别与目标类别处于同一个大类，以便于构建更科学合理的语义矩阵，通过对辅助类别选取，保证能够获取到较多的辅助类别图像样本，便于后续零样本分类环节的运行，通过将所有图像的特征矩阵等验证集样本序号统一封装保存为mat格式，方便后续程序直接调用，通过在现有的广义零样本分类方法基础上引入了语义解耦的概念，解决了在水下图像分类任务中将专家领域知识直接应用于分类模型中提高模型性能。

公开(公告)号：CN117409308A

公开(公告)日：2024-01-16

申请号：CN202311355274.8

申请日：2023-10-18

Applicant: 哈尔滨工程大学

Inventor： 余乐安 ,  王天辰 ,  吴雄 ,  滕一铭 ,  何昌华 ,  朱建新

IPC: G06V20/05 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/776

Abstract: 本发明属于水下图像增强技术领域，具体的说是声呐图像数据采集和水下光学图片数据分析方法，其中水下光学图片数据分析方法：步骤1：获取待分析的声呐图像数据集和光学水下图像数据集；步骤2：对步骤1中获取的所有声呐图像数据和光学水下图片数据进行预处理，去除质量不佳的图片；增强图像(LR)和SESR图像(HR)是由网络中不同阶段的不同输出层生成的，此高级图像是由紧随特征提取网络之后的卷积层生成的；它通过应用于浅层输出层的专用损失函数来学习增强，增强的特征也传播到另一个卷积层，然后解解层进行上采样；最终的SESR输出是根据给定的尺度：2x、3x或4x的上采样特征生成的，从而清晰化图像，进一步提高图像生成效果。