-
公开(公告)号:CN115761268A
公开(公告)日:2023-03-07
申请号:CN202211488812.6
申请日:2022-11-25
Applicant: 湖南大学
Abstract: 本发明公开了一种基于局部纹理增强网络的杆塔关键部件缺陷识别方法,可以通过体征提取及纹理增强模块能够提取到具备纹理信息的判别性特征,同时通过特征融合模块对不同分辨率的特征进行融合,使得输出特征同时具备语义和像素级信息,最后通过杆塔部件缺陷识别模块对杆塔关键部件缺陷进行识别并输出缺陷的定位和置信度。此网络可直接应用于电力巡检过程,对杆塔的关键部件及缺陷进行识别,具有识别精度高、泛化能力强的特点,将传统电力巡检过程与前沿的深度学习方法和神经网络技术进行结合,可以有效地解决传统人工巡检效率低、现有检测方法效果差的问题,实现杆塔巡检过程的智能化和自主化,并在一定程度上能够保障电力线路的正常运转。
-
公开(公告)号:CN114022904B
公开(公告)日:2023-01-24
申请号:CN202111304590.3
申请日:2021-11-05
Applicant: 湖南大学
IPC: G06V40/10 , G06V10/30 , G06V10/774 , G06V10/764
Abstract: 本发明公开一种基于两阶段的噪声鲁棒行人重识别方法,包括步骤:输入带标签噪声的训练集;第一阶段:根据训练集的给定标签计算网络模型的交叉熵损失函数;根据预测标签计算标签调整正则化损失函数;计算纯样本损失函数;整合三项损失函数,得到自调整策略损失函数并分别训练两个不同的网络模型;第二阶段:更新可靠的预测标签集得到修正的交叉熵损失函数;计算对称的相对熵损失函数;寻找可靠三元组,计算噪声鲁棒的三元组损失函数;联合三项损失函数,得到网络模型的第二阶段总损失函数,并协同监督两个网络模型的学习,通过联合所有损失函数对两个网络模型进行迭代更新;测试性能,在含有噪声标签的设定下达到鲁棒性极好的行人重识别目的。
-
公开(公告)号:CN110533113B
公开(公告)日:2022-11-11
申请号:CN201910830518.0
申请日:2019-09-04
Applicant: 湖南大学
Abstract: 本发明公开了一种数字图像中树状结构的分支点检测方法,所述方法是基于两级级联卷积网络的深度分支点检测模型,即候选区域分割网络和误检排除网络。首先从原始图像中提取固定尺寸的样本训练各向异性卷积核的三维U型分割网络,再将包含树状结构的图像输入到训练好的分割网络中进行分割,得到分支点候选区域,以候选区域的每个点作为分支点的候选点;然后利用三个比例提取候选点的三个3D图像块并计算每个3D图像块三视图的最大强度投影以形成对应九个2D视图,同时将2D视图分别输入五个卷积层的堆栈中,最后将该候选点对应2D视图卷积后的特征进行融合,得到最终分支点检测结果,具有计算成本低、误检率低且检测效率高的特点。
-
公开(公告)号:CN113987457A
公开(公告)日:2022-01-28
申请号:CN202111259454.7
申请日:2021-10-28
Applicant: 湖南大学
Abstract: 本发明公开了一种学生使用自带电脑考试的防作弊方法,它包括监考端和学生端;考前监考端设置许可的软件及截屏触发事件;开考时学生端切断电脑的网络连接;考中:学生端跟踪电脑上运行的软件,记录未经许可软件名称、运行时间和窗口截屏;监听电脑的系统事件,出现截屏触发事件时截屏并记录截屏时间戳;能通信时,定时向监考端发送核验信号;定时记录核验时间戳;考试结束时学生端将未发送数据发给监考端,监考端接收后判断是否有作弊行为。本发明还公开了一种使用自带电脑考试的防作弊系统,它包括实现前述监考端和学生端功能的监考端模块和学生端模块。本发明公开的方法可发现在普通考场中使用自带电脑考试时的作弊行为,从而扩大机考适用范围。
-
公开(公告)号:CN113869233A
公开(公告)日:2021-12-31
申请号:CN202111156899.2
申请日:2021-09-30
Applicant: 湖南大学
Abstract: 本发明公开了一种基于上下文特征不一致性的多专家对抗攻击检测方法,包括步骤:建立行人重识别数据集,行人重识别数据集包括良性查询图像集、对抗查询图像集和图库;选取多个行人重识别专家模型,并将行人重识别数据集输入到多个行人重识别专家模型中,提取出行人重识别数据集中图像的图像特征;在图库中进行检索,得到支撑集;给查询图像集及其支撑集打上标签,并形成训练集;根据训练集,得到上下文特征;将上下文特征输入到对抗攻击检测器中训练;将待查询图像的上下文特征输入到对抗攻击检测器中,输出被攻击的概率,并根据输出的概率,评估对抗攻击检测器的性能;通过上下文特征训练对抗攻击检测器,可成功检测得到对抗训练样本的攻击方法。
-
公开(公告)号:CN113393446A
公开(公告)日:2021-09-14
申请号:CN202110687012.6
申请日:2021-06-21
Applicant: 湖南大学
Abstract: 本发明提供一种基于注意力机制的卷积神经网络医学图像关键点检测方法,包括如下步骤:构建基于注意力机制的O型卷积神经网络,其包括注意力模块、关键点检测分支和局部增强分支;局部增强分支用于局部前景增强和结构提取;局部增强分支和关键点检测分支对不同层次的信息编码解码来生成热图;本发明利用注意力模块将局部增强分支的特征图引入关键点检测分支;将训练集数据输入到O型卷积神经网络进行训练,将测试集数据数据输入到学习后的O型卷积神经网络得到关键点热图,对关键点热图进行局部最大值提取,得到关键点的坐标。本发明直接在原始图像上执行,更加稳健和准确,能更加有效地整合局部结构特征和上下文信息,并检测细分支的关键点。
-
公开(公告)号:CN113240101A
公开(公告)日:2021-08-10
申请号:CN202110521611.0
申请日:2021-05-13
Applicant: 湖南大学
Abstract: 本发明公开了一种卷积神经网络软硬件协同加速的异构SoC实现方法,包括:片内处理器获取当前待检测图片进行预处理,当当前待检测图片预处理完毕后,将预处理完毕的当前待检测图片通过存储器发送至可编程逻辑电路,并获取下一张待检测图片作为当前待检测图片进行预处理;可编程逻辑电路接收预处理完毕的当前待检测图片,根据预设的卷积神经网络硬件加速器和预设的卷积神经网络模型进行计算,当当前待检测图片计算完毕后,将计算完毕的当前待检测图片通过存储器发送至片内处理器;片内处理器接收计算完毕的当前待检测图片,对计算完毕的当前待检测图片进行后处理,输出当前待检测图片的检测结果。实现低成本的嵌入式SoC的高速实时图像处理。
-
公开(公告)号:CN113189875A
公开(公告)日:2021-07-30
申请号:CN202110475196.X
申请日:2021-04-29
Applicant: 湖南大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于圆形特征的无人机在移动平台上鲁棒着陆方法,包括步骤:S1、建立无人机自主着陆系统,包括一台欠驱动的四旋翼无人机和一台附有圆形特征的移动平台;S2、引入虚拟相机平面,并基于虚拟相机平面中的圆形特征定义图像矩,构造虚拟相机平面的视觉动力学;S3、构造时变李亚普洛夫函数和性能管道函数,并基于时变李亚普洛夫函数和性能管道函数设计一种鲁棒的基于图像的平移控制律;S4、根据平移控制律解算四旋翼无人机着陆所需的角度信息,进而设计几何姿态控制律,完成四旋翼无人机在移动平台上的着陆。本发明无须得到传统方法中需要的相对高度,移动平台的速度与角度,具有鲁棒的着陆表现、低成本的计算量和可控的瞬态性能优点。
-
公开(公告)号:CN113095305A
公开(公告)日:2021-07-09
申请号:CN202110634697.8
申请日:2021-06-08
Applicant: 湖南大学
Abstract: 本发明公开了一种医药异物高光谱分类检测方法,首先输入医药异物高光谱图像;其次提出多项式平滑滤波的异物高光谱去噪方法,抑制光谱噪声干扰;再次提出异物光谱波段聚类分组PCA降维与半监督LDA结合的特征提取方法,先采用波段聚类分组PCA降维对预处理后图像进行降维处理,并通过半监督LDA提取光谱特征,随后利用二维Gabor滤波器提取空间特征,将上述特征联合作为图像的分类特征;最后采用支持向量机实现医药异物检测并输出异物类别。本发明提出了PCA和LDA二次降维的方法,以便提取出更有利于后续分类操作的光谱特征;同时,引入半监督LDA降低对标签数据的依赖,实现少量标签数据样本下异物的高准确率检测。
-
公开(公告)号:CN112817320A
公开(公告)日:2021-05-18
申请号:CN202110417475.0
申请日:2021-04-19
Applicant: 湖南大学
IPC: G05D1/02
Abstract: 本发明公开了一种用于地空协同侦查的异构机器人系统,包括移动机器人、空中机器人、起降平台、设备支架和控制器:空中机器人与移动机器人无线通信连接;起降平台上侧面设有超声波传感器、第一活动夹紧组件和第二活动夹紧组件,其下侧面设有与第一活动夹紧组件连接的第一滑动组件和与第二活动夹紧组件连接的第二滑动组件,第一滑动组件与第一驱动电机连接,第二滑动组件与第二驱动电机连接;控制器分别与第一驱动电机、第二驱动电机和超声波传感器连接。本发明通过第一活动夹紧组件和第二活动夹紧组件实现对空中机器人的固定或释放,侦查范围广,侦查效率高。
-
-
-
-
-
-
-
-
-