-
公开(公告)号：CN111950619B
公开(公告)日：2022-09-09
申请号：CN202010779759.X
申请日：2020-08-05
Applicant: 东北林业大学
Abstract: 本发明涉及一种基于双重生成对抗网络的主动学习方法。包括如下步骤：1：利用标记池图像和未标记池图像对模型进行训练，模型训练包括表征学习和生成对抗两个部分；2：利用收敛后的模型，对待选池中的图像进行采样，之后对采样后的图像进行人工注释和图像生成；3：把采样得到的图像从待选池转移到标记池，并把生成的图像加入到待选池，根据更新后的待选池和标记池对采样模型进行训练。本发明在基于池的方法中引入生成对抗机制，赋予模型生成能力，在模型中形成两组生成对抗网络。本发明还引入了同步更新”的概念，使采样模型随采样进程同步
-
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：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：CN111950619A
公开(公告)日：2020-11-17
申请号：CN202010779759.X
申请日：2020-08-05
Applicant: 东北林业大学
Abstract: 本发明涉及一种基于双重生成对抗网络的主动学习方法。包括如下步骤：1：利用标记池图像和未标记池图像对模型进行训练，模型训练包括表征学习和生成对抗两个部分；2：利用收敛后的模型，对待选池中的图像进行采样，之后对采样后的图像进行人工注释和图像生成；3：把采样得到的图像从待选池转移到标记池，并把生成的图像加入到待选池，根据更新后的待选池和标记池对采样模型进行训练。本发明在基于池的方法中引入生成对抗机制，赋予模型生成能力，在模型中形成两组生成对抗网络。本发明还引入了“同步更新”的概念，使采样模型随采样进程同步更新，从而使每次采样都能选择当前阶段含信息量最丰富的样本。
-
Patent Agency Ranking
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：CN109596484A
公开(公告)日：2019-04-09
申请号：CN201910038999.1
申请日：2019-01-16
Applicant: 东北林业大学
CPC classification number: G01N15/00 , G01N15/04 , G01N15/06 , G01N2015/0092 , G01N2015/0681
Abstract: 本发明公开了一种用于观察获取森林、海滨、瀑布等自然环境中空气负氧离子与PM2.5作用过程与结果的实验装置和方法。本发明避免了由于负氧离子存在时间短的属性而导致的实验室内只能采用人工法制造负氧离子进行实验验证工作的缺陷，适合用于野外自然界尤其是森林环境下可源源不断获得实验用森林负氧离子的实验装置和方法。其组成包括：密闭玻璃容器，检测设备，通气设备，PM2.5进样总成。其特征是：所述的密闭玻璃容器上开若干孔洞用于安装检测设备，通气设备及PM2.5进样总成。本发明用于观察获取森林、海滨、瀑布等自然环境中空气负氧离子与PM2.5作用过程与结果的实验数据。
-
公开(公告)号：CN209945940U
公开(公告)日：2020-01-14
申请号：CN201920068457.4
申请日：2019-01-16
Applicant: 东北林业大学
Abstract: 本实用新型公开了一种自然空气负氧离子作用PM2.5的实验装置，特别是用于观察获取森林、海滨、瀑布等自然环境中空气负氧离子与PM2.5作用过程与结果的实验装置。本实用新型避免了由于负氧离子存在时间短的属性而导致的实验室内只能采用人工法制造负氧离子进行实验验证工作的缺陷，适合用于野外自然界尤其是森林环境下可源源不断获得实验用森林负氧离子的实验装置和方法。其组成包括：密闭玻璃容器，检测设备，通气设备，PM2.5进样总成。其特征是：所述的密闭玻璃容器上开若干孔洞用于安装检测设备，通气设备及PM2.5进样总成。本实用新型用于观察获取森林、海滨、瀑布等自然环境中空气负氧离子与PM2.5作用过程与结果的实验数据。(ESM)同样的发明创造已同日申请发明专利
-
公开(公告)号：CN213580579U
公开(公告)日：2021-06-29
申请号：CN202022897700.9
申请日：2020-12-04
Applicant: 东北林业大学
IPC: G01N15/06
Abstract: 本实用新型涉及负离子浓度测量技术领域，尤其涉及一种空气负离子浓度测量装置，包括收集桶、极化板、收集板、极化线路、电流检测电路、极化电源和接地端，所述收集桶的内侧壁与极化板的外侧壁固定连接，所述收集板固定安装在极化板内部的中间位置，所述收集板的外表面与极化板内侧壁所形成的空间为空气负离子收集部分，所述收集桶的数量为七个，七个收集桶呈环绕式等距离均匀分布。本实用新型达到了提高对于空气负离子浓度测量精度的目的，同时减小内电极对收集器内部流体的阻碍，采用增大入口端极化面积的方式过滤大部分测量范围外的离子，使被测电流提升几倍甚至几个数量级，降低了测量电路的设计难度，提高了测量精度。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.025 seconds)
