一种基于离线数据增强的固废数据集生成方法

    公开(公告)号:CN113807424B

    公开(公告)日:2024-04-16

    申请号:CN202111063333.5

    申请日:2021-09-10

    Applicant: 华侨大学

    Abstract: 一种基于离线数据增强的固废数据集生成方法,具体包括:手动标注第一固废数据集A1;对第一固废数据集A1进行离线数据增强生成第二固废数据集A2,合并第一固废数据集A1和第二固废数据集A2,形成合并固废数据集;使用深度学习模型对合并固废数据集进行训练;使用训练好的深度学习模型对未标注的固废数据集D进行预测;通过查询函数找出深度学习模型预测不准确的图像集,并进行手动标注得到第三固废数据集B1;对第三固废数据集B1进行离线数据增强生成第四固废数据集B2。本发明提出的方法可以生成大量固废数据集,快速有效地构扩充固废数据集,从而有助于深度学习模型的训练,进一步提升固废识别的准确率。

    一种基于PaddleDetection的混淆矩阵生成方法

    公开(公告)号:CN114120057B

    公开(公告)日:2025-01-17

    申请号:CN202111320510.3

    申请日:2021-11-09

    Applicant: 华侨大学

    Abstract: 本发明提供了一种基于PaddleDetection的混淆矩阵生成方法,包括:在PaddlePaddle平台下运用PaddleDetection目标检测开发套件训练目标检测网络;获取有标注的测试数据集,分为两个文件夹,一个文件夹放json文件,另一个放对应的图片文件,并得到真实的目标物体外接矩形框;运用infer.py图片文件进行预测,得到预测标签;得出预测修正得到的矩形检测框;将真实矩形框与预测修正得到的矩形检测框进行循环匹配,将统计得到的值记录在矩阵上;创建excle表格,将记录的矩阵填充到excle表格中,绘制出用于评价模型实际应用效果的混淆矩阵,本发明方法能优化网络模型的训练方法。

    基于电流曲线的坍落度预测方法、装置及可读介质

    公开(公告)号:CN117195083B

    公开(公告)日:2024-03-12

    申请号:CN202311479905.7

    申请日:2023-11-08

    Abstract: 本发明公开了一种基于电流曲线的坍落度预测方法、装置及可读介质,涉及混凝土生产领域,该方法包括:获取混凝土搅拌过程中的电流曲线,基于电流曲线获取输入特征;构建基于神经网络的坍落度预测模型,采用训练数据对坍落度预测模型进行训练,得到经训练的坍落度预测模型,训练数据包括训练过程中的输入特征及其对应的坍落度标签,其中,根据不同抗压强度的混凝土在历史搅拌过程中的电流曲线获取训练过程中的输入特征,根据电流曲线处理得到电流曲线特征,根据电流曲线特征的分布确定每个输入特征对应的坍落度标签;将输入特征输入经训练的坍落度预测模型,得到坍落度的预测值,解决了需要大量试验及人工标注,难以实时、准确的检测坍落度的问题。

    基于电流曲线的坍落度预测方法、装置及可读介质

    公开(公告)号:CN117195083A

    公开(公告)日:2023-12-08

    申请号:CN202311479905.7

    申请日:2023-11-08

    Abstract: 本发明公开了一种基于电流曲线的坍落度预测方法、装置及可读介质,涉及混凝土生产领域,该方法包括:获取混凝土搅拌过程中的电流曲线,基于电流曲线获取输入特征;构建基于神经网络的坍落度预测模型,采用训练数据对坍落度预测模型进行训练,得到经训练的坍落度预测模型,训练数据包括训练过程中的输入特征及其对应的坍落度标签,其中,根据不同抗压强度的混凝土在历史搅拌过程中的电流曲线获取训练过程中的输入特征,根据电流曲线处理得到电流曲线特征,根据电流曲线特征的分布确定每个输入特征对应的坍落度标签;将输入特征输入经训练的坍落度预测模型,得到坍落度的预测值,解决了需要大量试验及人工标注,难以实时、准确的检测坍落度的问题。

    一种实例分割数据集的半自动标注方法、装置及可读介质

    公开(公告)号:CN113554068A

    公开(公告)日:2021-10-26

    申请号:CN202110758660.6

    申请日:2021-07-05

    Applicant: 华侨大学

    Abstract: 本发明公开了一种实例分割数据集的半自动标注方法、装置及可读介质,通过分别对实例分割模型和图像分类模型进行训练;使用训练好的实例分割模型对图像数据集合中的第一数据集进行预测,得到第一预测结果,基于第一预测结果确定每张图像中包含单个物体的图像,将单个物体的图像输入训练好的图像分类模型,得到第二预测结果,将单个物体的第一预测结果与第二预测结果进行对比,根据比对结果人工纠正每张图像中的单个物体的第一种类和掩膜,得到伪标签实例分割数据集;将人工实例分割数据集和伪标签实例分割数据集混合作为实例分割数据集,对实例分割模型重新训练,得到最终的实例分割模型。本方法使用少量的人工标注数据,成本低并具有较高的精度。

Patent Agency Ranking