公开(公告)号：CN117475208A

公开(公告)日：2024-01-30

申请号：CN202311410856.1

申请日：2023-10-28

Applicant: 福州大学

Inventor： 陈飞 ,  陈权 ,  王衍根 ,  程航 ,  王美清 ,  刘蓉

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/44 ,  G06V10/22

Abstract: 本发明提出结合异构局部图的渐进式网络的废钢图像细粒度分类方法，用于对废弃钢材进行等级区分，所述渐近式网络为卷积神经网络，使用监控摄像机采集的废钢图像作为卷积神经网络训练的数据集；所述方法首先在仅使用图像类别标签的情况下，从不同的训练迭代阶段和网络特征提取阶段对注意力信息进行集成从原图像中定位到含关键信息的目标区域，接着在目标图像中采样显著性的局部部件，对关键的局部细节信息进行学习，最后，构建一个完整的异构局部图，对不同局部区域之间的语义关系进行学习从而增强特征的判别性；本发明能结合全局与局部的信息，并且对局部的相关性更进一步学习提高了废钢图像分类的准确性。

公开(公告)号：CN117636332A

公开(公告)日：2024-03-01

申请号：CN202311619506.6

申请日：2023-11-30

Applicant: 中国烟草总公司福建省公司 ,  福州大学

Inventor： 连长伟 ,  陈献勇 ,  龚涛 ,  王衍根 ,  陈权 ,  陈飞

IPC: G06V20/68 ,  G06V10/44 ,  G06V10/52 ,  G06V10/762 ,  G06V10/82 ,  G06N3/045 ,  G06N3/042

Abstract: 本发明涉及一种基于软阈值加权和上下文聚类图卷积的烟叶图像细粒度分类方法，包括：S1、利用添加了FPN网络的Swin‑Transfomer网络对烟叶图像提取多层令牌特征图；S2、利用K‑means聚类算法和高斯函数对令牌特征图进行软阈值加权；S3、叠加多层令牌特征图的注意力分布，使用可学习参数将最后一层令牌特征图划分为主要令牌特征图和次要令牌特征图；S4、聚合主要令牌特征图的上下文信息，融合入原始特征图，再将令牌特征视为节点，根据节点相似性建图；S5、通过图卷积神经网络聚合所有信息得到分类预测结果。该方法有利于提高烟叶图像细粒度分类的精度。