-
公开(公告)号：CN116777926B
公开(公告)日：2023-10-31
申请号：CN202311053453.6
申请日：2023-08-21
Applicant: 华侨大学
IPC: G06T7/10 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及图像分割领域，公开了基于左右分和式轻量卷积神经网络的裂缝分割方法及装置，方法包含以下步骤：S1，原始裂缝图片输入到左右分和式轻量卷积神经网络；S2，所述左分式结构输出特征映射#imgabs0#；S3，所述右分式结构输出特征映射#imgabs1#；S4，第i层神经构件融合左分式结构的输出特征映射#imgabs2#与右分式结构的输出特征映射#imgabs3#，输出融合特征#imgabs4#，作为下一层神经结构的输入特征映射#imgabs5#；最后一层神经构件输出的融合特征#imgabs6#作为最终输出，表达裂缝语义分割特征。本发明的左分式采用卷积与最大池化层运算，右分式采用轻量异质卷积与平均池化层运算，将左右两个分式的输出特征相加，既增强了左右分式特征学习的互补性，又实现了网络轻量化。
-
公开(公告)号：CN116777926A
公开(公告)日：2023-09-19
申请号：CN202311053453.6
申请日：2023-08-21
Applicant: 华侨大学
IPC: G06T7/10 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及图像分割领域，公开了基于左右分和式轻量卷积神经网络的裂缝分割方法及装置，方法包含以下步骤：S1，原始裂缝图片输入到左右分和式轻量卷积神经网络；S2，所述左分式结构输出特征映射#imgabs0#；S3，所述右分式结构输出特征映射#imgabs1#；S4，第i层神经构件融合左分式结构的输出特征映射#imgabs2#与右分式结构的输出特征映射#imgabs3#，输出融合特征#imgabs4#，作为下一层神经结构的输入特征映射#imgabs5#；最后一层神经构件输出的融合特征#imgabs6#作为最终输出，表达裂缝语义分割特征。本发明的左分式采用卷积与最大池化层运算，右分式采用轻量异质卷积与平均池化层运算，将左右两个分式的输出特征相加，既增强了左右分式特征学习的互补性，又实现了网络轻量化。
-
公开(公告)号：CN116911574B
公开(公告)日：2024-02-02
申请号：CN202311168407.0
申请日：2023-09-12
Applicant: 华侨大学
IPC: G06Q10/0631 , G06N3/006 , G06N20/00 , G06Q10/04 , G06Q10/087 , G06Q30/0201 , G06Q50/04 , G06F17/10
Abstract: 本发明公开了一种基于鲸鱼算法与随机森林的三级供应链优化方法及装置，涉及供应链管理领域，包括：构建多产品三级供应链网络以其目标函数和约束条件；构建随机森林模型，通过鲸鱼算法对随机森林模型进行优化，确定决策树数量与各决策树叶节点上所需的最小样本数，得到优化后的随机森林模型；对优化后的随机森林模型进行训练，得到经训练的随机森林模型，获取多产品三级供应链网络中的不确定性因素的特征，将不确定性因素的特征输入经训练的随机森林模型，得到对应的权重值；根据该权重值计算得到不确定性概率，将不确定性概率代入约束条件中，并求取目标函数在约束条件下的最优
-
Patent Agency Ranking
公开(公告)号：CN117456312A
公开(公告)日：2024-01-26
申请号：CN202311779473.1
申请日：2023-12-22
Applicant: 华侨大学
IPC: G06V10/774 , G06V10/762 , G06V10/764 , G06V10/82 , G06F16/583
Abstract: 本发明提出一种面向无监督图像检索的模拟抗污伪标签增强方法，涉及计算机视觉领域，包括：利用无监督图像检索模型提取图像数据集中所有图像特征，并通过聚类算法为每张图像分配伪标签；采用伯努利随机分布对图像特征向量随机置零以模拟特征污染，获得随机污染特征向量；基于随机污染特征向量计算随机污染后验类别概率，并进行后验类别概率最大池化以获得抗污染后验类别信息；归一化抗污染后验类别信息获得抗污染后验类别概率，将抗污染后验类别概率与聚类产生的伪标签线性组合，以实现伪标签增强，从而改善无监督图像检索准确性，可广泛应用于图像搜索引擎。
-
公开(公告)号：CN116612445B
公开(公告)日：2023-10-31
申请号：CN202310891062.5
申请日：2023-07-20
Applicant: 华侨大学
IPC: G06V20/54 , G06V10/762 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/778 , G06V10/82 , G06N3/088
Abstract: 本发明公开了一种基于自适应聚类和困难样本加权的无监督车辆再辨识方法，首先，利用当前聚类参数计算最合适的半径值，提升聚类伪标签对车辆样本噪声的鲁棒性；其次，记忆模块记录所有车辆样本特征向量，利用距离作为车辆样本困难程度加权依据，改善模型对困难车辆样本关注力不足的问题；最后，利用加权困难车辆样本结合对比学习方法训练车辆再辨识模型。本发明可广泛应用于智慧交通和智慧安防中的智能视频监控系统。
-
公开(公告)号：CN117456312B
公开(公告)日：2024-03-12
申请号：CN202311779473.1
申请日：2023-12-22
Applicant: 华侨大学
IPC: G06V10/774 , G06V10/762 , G06V10/764 , G06V10/82 , G06F16/583
Abstract: 本发明提出一种面向无监督图像检索的模拟抗污伪标签增强方法，涉及计算机视觉领域，包括：利用无监督图像检索模型提取图像数据集中所有图像特征，并通过聚类算法为每张图像分配伪标签；采用伯努利随机分布对图像特征向量随机置零以模拟特征污染，获得随机污染特征向量；基于随机污染特征向量计算随机污染后验类别概率，并进行后验类别概率最大池化以获得抗污染后验类别信息；归一化抗污染后验类别信息获得抗污染后验类别概率，将抗污染后验类别概率与聚类产生的伪标签线性组合，以实现伪标签增强，从而改善无监督图像检索准确性，可广泛应用于图像搜索引擎。
-
公开(公告)号：CN116911574A
公开(公告)日：2023-10-20
申请号：CN202311168407.0
申请日：2023-09-12
Applicant: 华侨大学
IPC: G06Q10/0631 , G06N3/006 , G06N20/00 , G06Q10/04 , G06Q10/087 , G06Q30/0201 , G06Q50/04 , G06F17/10
Abstract: 本发明公开了一种基于鲸鱼算法与随机森林的三级供应链优化方法及装置，涉及供应链管理领域，包括：构建多产品三级供应链网络以其目标函数和约束条件；构建随机森林模型，通过鲸鱼算法对随机森林模型进行优化，确定决策树数量与各决策树叶节点上所需的最小样本数，得到优化后的随机森林模型；对优化后的随机森林模型进行训练，得到经训练的随机森林模型，获取多产品三级供应链网络中的不确定性因素的特征，将不确定性因素的特征输入经训练的随机森林模型，得到对应的权重值；根据该权重值计算得到不确定性概率，将不确定性概率代入约束条件中，并求取目标函数在约束条件下的最优解，得到最优的供应链方案，可解决供应链过程中不确定性的问题。
-
公开(公告)号：CN116612445A
公开(公告)日：2023-08-18
申请号：CN202310891062.5
申请日：2023-07-20
Applicant: 华侨大学
IPC: G06V20/54 , G06V10/762 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/778 , G06V10/82 , G06N3/088
Abstract: 本发明公开了一种基于自适应聚类和困难样本加权的无监督车辆再辨识方法，首先，利用当前聚类参数计算最合适的半径值，提升聚类伪标签对车辆样本噪声的鲁棒性；其次，记忆模块记录所有车辆样本特征向量，利用距离作为车辆样本困难程度加权依据，改善模型对困难车辆样本关注力不足的问题；最后，利用加权困难车辆样本结合对比学习方法训练车辆再辨识模型。本发明可广泛应用于智慧交通和智慧安防中的智能视频监控系统。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.03 seconds)
