-
公开(公告)号：CN112884025A
公开(公告)日：2021-06-01
申请号：CN202110141168.4
申请日：2021-02-01
Applicant: 安徽大学
Abstract: 本发明公开了一种基于多特征分段式训练的茶叶病害分类系统，包含以下阶段：第一阶段、数据预处理；第二阶段、最优网络训练；第三阶段、图像分类功能；所述的第一阶段、数据预处理包括病害图片的裁切和数据的扩充两步；所述的第二阶段、最优网络训练包括数据划分和特征学习网络迭代训练两步本发明通过深度学习的方法设计了一种茶叶病害特征学习网络对茶叶病害数据进行训练，然后及那个已训练好的网络模型进行迁移，将最终的茶叶病害分类智能化，并且排除人为主观因素，使得到的结果较好。
-
-
公开(公告)号：CN108596269B
公开(公告)日：2021-04-16
申请号：CN201810416943.0
申请日：2018-05-04
Applicant: 安徽大学
Abstract: 本发明提供一种基于SVM+CNN的足底压力图像的识别方法。该方法包括以下步骤：首先，对足底压力图像进行滤波，构建足底压力图像数据集；其次，分别提取特征，包括提取具有明确特征意义的特征和利用卷积神经网络CNN提取的图像特征；然后，将具有明确特征意义的特征和利用CNN提取的图像特征进行融合，经归一化后得到特征数据集；最后，足底压力图像的识别，将特征数据集送入支持向量机SVM进行训练、测试，得到结果。该方法避免了因图像不清楚而导致的特征提取困难等问题，从而提高了方法的鲁棒性。
-
公开(公告)号：CN111782857A
公开(公告)日：2020-10-16
申请号：CN202010710865.2
申请日：2020-07-22
Applicant: 安徽大学
Abstract: 本发明公开一种基于混合注意力密集网络的足迹图像检索方法，其步骤包括：1、足迹图像数据集的准备；2、建立足迹图像预处理模块；3、建立初始特征提取模块；4、建立混合注意力密集网络模块；5、建立最终特征输出模块；6、权重初始化；7、网络的训练、测试及优化。本发明能获取更丰富的足迹图像的特征信息，且尽可能地提取不同个人差异的特征信息，从而提高足迹图像检索的精度与速度。
-
公开(公告)号：CN111680613A
公开(公告)日：2020-09-18
申请号：CN202010494415.4
申请日：2020-06-03
Applicant: 安徽大学
Abstract: 本发明公开了一种实时检测手扶电梯乘客摔倒行为的方法，该方法包括下述步骤，步骤一，采集乘客搭乘手扶电梯视频图像，并且处理视频图像，将视频中乘客摔倒和正常行为分别裁剪作为训练样本，得到训练集和测试集；包括本发明利用视频图像中多帧结合的方法，能够有效的得到时间方向信息。相比使用卷积神经网络提取时间方向的信息，具有简单高效的特点；本发明利用提取乘客的骨骼关键点信息作为基础样本，根据动态行为是连续性的特点，当出现人体部分被遮挡时，此时会出现部分骨骼关键点丢失，可根据前面提取相对应的骨骼关键点结合Neck的相对位置进行填充，减少因为骨骼关键点缺失导致误判和漏判的情况。
-
Patent Agency Ranking
公开(公告)号：CN111612727A
公开(公告)日：2020-09-01
申请号：CN202010395588.0
申请日：2020-05-12
Applicant: 安徽大学
Abstract: 本发明公开了一种光学足迹图像映射压力足迹图像的方法，包括以下步骤：S1:光学足迹图像的采集；S2:压力足迹图像的采集；S3:对S2中采集到的压力足迹图像进行滤波去噪；S4:将S1中的光学足迹图像和S3中的去噪后的压力足迹图像合并成一个图像，作为训练图像；S5:将多个训练图像导入到计算机内，利用Pix2Pix算法，由其生成器和判别器的不断博弈，得到最优模型；S6:采集单张光学足迹图像，导入到S5中得到的最优模型内，映射出压力足迹图像。该种光学足迹图像映射压力足迹图像的方法，可实现将光学足迹图像映射成压力足迹图像，从而为公安和科研工作人员提供可靠的目标个体的压力足迹图像，用于分析其形态特征。
-
公开(公告)号：CN111340098A
公开(公告)日：2020-06-26
申请号：CN202010112342.8
申请日：2020-02-24
Applicant: 安徽大学
Abstract: 本发明图像处理、深度学习以及刑侦技术领域，公开了基于鞋印图像的STA-Net年龄预测方法，先将待测鞋印图像经评分模型进行数据评估，评估高于预设值代表待测鞋印图像质量合格；随后将质量合格的待测鞋印图像进行预处理操作，所述预处理操作包括去噪、中心化、伪彩化；预处理后的待测鞋印图像输入经STA-Net网络训练得到预测模型进行年龄预测，得到最终的预测年龄。图像评分模型、图像预处理模型能够对待测鞋印图像进行筛选与去躁处理，将不同来源的数据转化为满足网络输入的数据；STA-Net回归网络能够根据鞋印图像预测出年龄信息，相比于传统的预测方法，提高了预测的效率以及准确率。
-
公开(公告)号：CN119832322A
公开(公告)日：2025-04-15
申请号：CN202411911356.0
申请日：2024-12-24
Applicant: 安徽大学
IPC: G06V10/764 , G06V10/774 , G06V10/776 , G06V10/74 , G06V10/82 , G06V10/26 , G06V10/44 , G06V20/10 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于空‑频混合节点图神经网络的茶叶病虫害分类系统，包括以下步骤：获取待提取的现场茶叶病虫害图像，将采集到的图像送入处理器中进行处理，利用在该系统的目录下添加训练得到的最优模型和加载所处理后的茶叶病虫害图像；利用系统中的分类功能得到最后的分类结果；将最终的分类结果在显示窗口中打印出来。其中将图像送入系统提取RGB图像特征和灰度图像特征、以及RGB频域特征和灰度频域特征构造空‑频混合节点，茶叶病虫害图像特征通过ResNet12网络提取。本发明涉及图像处理领域，空‑频混合节点提高了特征表征方面的有效性，混合边特征提高了相邻的空‑频混合节点距离度量的准确性，实现高效的病虫害诊断与分类。
-
公开(公告)号：CN119832317A
公开(公告)日：2025-04-15
申请号：CN202411901147.8
申请日：2024-12-23
Applicant: 安徽大学
IPC: G06V10/764 , G06V10/82 , G06V10/766 , G06V10/44 , G06V10/80 , G06T7/00 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于点计数的钢筋半成品点验嵌入式系统，包括以下步骤：使用搭载外接可见光摄像头的嵌入式开发板Orange Pi设备，拍摄工地的钢筋半成品对角斜面图像；对采集到的图像经过预处理后送入嵌入式开发板Orange Pi的NPU处理器进行处理；使用系统中的检测计数功能对钢筋半成品图像进行检测计数，检测计数功能采用的模型基于改进的目标检测网络P2Pnet；统计检测数量与拐点位置，将最终的结果在显示窗口中打印出来。发明利用基于深度学习的目标检测方法将钢筋半成品计数智能化，解决钢筋半成品人工计数的弊端，该系统通过自动化的点计数技术，显著提高了钢筋半成品的点验速度，相比传统的人工计数方式，大大缩短了工作时间。
-
公开(公告)号：CN118366009A
公开(公告)日：2024-07-19
申请号：CN202410781255.X
申请日：2024-06-18
Applicant: 安徽大学
Abstract: 本发明公开了基于人类群体行为特性引导的行人轨迹预测方法及系统，属于自动驾驶技术领域。方法包括：首先，根据行人的历史轨迹和可学习的距离阈值参数对其进行分组，并从行人的历史位置获得位置层面的群体特征。同时引入行人的速度信息作为约束，获取速度层面的群体特征；接着，从多层面的群体特征中获取不同行人群体的运动模式；最后，基于稀疏图卷积网络进行轨迹预测，该网络提取群体与行人之间的交互特征，并根据这些特征获得未来轨迹的概率分布，从而推断出预测轨迹。使用本发明提出的方法，可以更好的辅助规划驾驶路线，减少交通事故的发生。
-
-
-
-
-
-
-
-
-
Search Results
87
records
(took 0.065 seconds)
