公开(公告)号：CN118506060A

公开(公告)日：2024-08-16

申请号：CN202410552776.8

申请日：2024-05-07

Applicant: 哈尔滨工程大学

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

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V10/52 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/09

Abstract: 本发明公开了一种基于多尺度建模和上下文表示的小样本图像分类方法，本发明涉及图像分类处理技术领域，所述基于多尺度建模的上下文表示的小样本图像分类方法具体步骤如下：S10、根据声纳数据集的类别，收集并构建相应类别的光学图像作为数据域领域知识，本发明的优点在于：通过将三种不同尺度的表示特征实现逐层尺度间特征融合，使该小样本图像分类方法相较于传统的图像分类方法，能够有效的提高识别准确率和效率，节约人力成本，通过使模型从数据视角引入光学图像作为领域知识，能够快速有效的补充水下样本的信息量，通过在模型上设计了多尺度模型结构来充分提取信息，在样本维度进行信息传递，提高模型的特征提取能力。

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。

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。