公开(公告)号：CN119206461A

公开(公告)日：2024-12-27

申请号：CN202411257069.2

申请日：2024-09-09

Applicant: 哈尔滨工程大学

Inventor： 余乐安 ,  于洋 ,  那琪 ,  万晨旭 ,  张茗淇

IPC: G06V20/05 ,  G06V10/30 ,  G06V10/32 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明公开了基于主动学习和半监督学习算法的图像标签标定方法，本发明涉及半监督图像标签标定技术领域，数据预处理，数据划分，数据增强，基于Transductive‑VAT模型无标签样本标签预测，计算无标签样本的不确定性，基于主动学习标定不确定性大的样本，记录全部原处理和当前处理的方案，得出处理方案的成效值，本发明的优点在于：通过Active‑T‑VAT模型在所有给定的训练样本数下表现出较高的准确性，并且随着训练样本数的增加准确度同步提高，其准确率稳步提高，同时该Active‑T‑VAT模型的准确率波动更加稳定，能够对小样本数据的相关无标签数据进行有效地学习，提高小样本在水下场景中进行模拟识别的准确度和性能，为样本进行标签标定，降低获取有标签样本的困难程度和成本。

公开(公告)号：CN118196607A

公开(公告)日：2024-06-14

申请号：CN202311355284.1

申请日：2023-10-18

Applicant: 哈尔滨工程大学

Inventor： 那琪 ,  余乐安 ,  于洋 ,  万晨旭 ,  郭兴海 ,  张茗淇

IPC: G06V20/05 ,  G06V10/42 ,  G06V10/44 ,  G06V10/771 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N20/00 ,  G06V10/80 ,  G06V10/764

Abstract: 本发明属于图像分类技术领域，具体的说是基于CONFORMER算法的向量机图像分类方法，本申请的CONFORMER算法由一个CNN分支和一个Transformer分支组成，这两个分支由局部卷积块、自我注意模块和MLP单元的组合而成。其中，CNN分支具有非常良好的性能，它以分层的方式收集局部特征以获得更好的图像表示。由于自注意力机制和多层感知机)结构，Vision Transformer能够反映复杂的空间变换和长距离特征依赖性，从而获得全局特征表示。在水下目标识别任务中，通过本申请提供的基于CONFORMER算法的向量机图像分类方法，相较于现有技术，能够更好的克服样本稀少与特征稀缺导致的不良影响，更加顺利对声纳图像进行分类处理，同时也提高了图像分类处理的准确率。

公开(公告)号：CN117671408A

公开(公告)日：2024-03-08

申请号：CN202311362612.0

申请日：2023-10-19

Applicant: 哈尔滨工程大学

Inventor： 余乐安 ,  万晨旭 ,  那琪 ,  于洋 ,  郭兴海 ,  张茗淇

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06T3/04 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明涉及训练集扩充技术领域，具体说是训练集扩充技术多类别循环生成对抗方法，包括：采用生成式模型扩充训练样本；引入外源信息可以降低生成模型过拟合现象，提升分类神经网络的分类精度；但由于水下数据的稀少，采用传统的生成方式，仅依据原有的数据进行扩充，难以起到很好的效果；为了更好的扩充数据，本技术提出M‑CycleGAN网络来对训练集进行扩充；构建3D模型图像数据集，引入外源的分类目标信息，辅助生成模型生成与分类数据集相似的新数据。