一种基于负样本编码增强的农作物病害细粒度分类方法及系统

    公开(公告)号:CN115830389A

    公开(公告)日:2023-03-21

    申请号:CN202211623017.3

    申请日:2022-12-16

    Abstract: 本发明公开了一种基于负样本编码增强的农作物病害细粒度分类方法及系统,涉及深度学习技术领域。本发明的技术要点包括:对现有的样本编码技术One‑Hot进行了拓展,增加了All‑Zeros的全“0”样本编码;同时对于收集到的健康样本不足的情况,提出了使用PhotoShop中的内容识别填充进行图像生成与数量扩充的方法;进一步,对现有的深度学习架构进行了调整,移除了最后一层的SoftmaxLayer。本发明使得改进后的网络在学习病害样本的同时,也可以抑制对健康样本的学习,从而在现实场景下,遇到没有病害的健康样本或者无关复杂背景时,能够输出更低的置信度从而保证模型的判别能力。

    一种多核极化码快速串行抵消列表译码方法

    公开(公告)号:CN114978196A

    公开(公告)日:2022-08-30

    申请号:CN202210469859.1

    申请日:2022-04-30

    Abstract: 一种多核极化码快速串行抵消列表译码方法,涉及极化码译码技术领域,用以解决现有的多核极化码串行抵消列表译码算法的高延迟问题。本发明的技术要点包括:对于由F2核矩阵和F3核矩阵组成的多核极化码,利用串行抵消列表译码算法进行译码,在对完全多叉树结构的深度优先遍历过程中,针对核矩阵为F2或F3的节点,提供递归计算各条路径的似然值和码字序列的不同公式;针对特殊外码Rate‑1和Rate‑0的节点,提供另外的更新流程,包括码字序列的计算和路径度量的更新计算。本发明丰富了极化码的码长应用范围,降低了对应的译码延迟。

    一种基于Swin-Transformer的农作物病害细粒度分类方法

    公开(公告)号:CN114937021A

    公开(公告)日:2022-08-23

    申请号:CN202210605763.3

    申请日:2022-05-31

    Abstract: 本发明提供了一种基于Swin‑Transformer的农作物病害细粒度分类方法,涉及深度学习技术领域,主要针对农作物病害细粒度分类任务中由于类别差异较为细微,不能提取到不同病害独有的特征而引发误分类问题。包括以下步骤:步骤一、采集农作物病害图像,对图像标注病害标签,对标注后的病害图像进行预处理,再随机划分得到训练样本和测试样本;步骤二、设计Swin‑Transformer网络结构,输入训练样本对Swin‑Transformer网络进行迭代训练并更新网络参数,同时采用测试样本对每轮训练的网络结构进行测试,记录并保存训练结果和测试结果,根据最优的测试结果确定网络模型;步骤三:将待检测样本进行预处理,再将待检测样本输入至网络模型得到相应的类别评分,选取最高评分的类别作为输出结果。

Patent Agency Ranking