-
公开(公告)号：CN117197579A
公开(公告)日：2023-12-08
申请号：CN202311222838.0
申请日：2023-09-21
Applicant: 湖南大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0895
Abstract: 本发明涉及计算机技术领域，具体为一种基于伪标签互学习半监督的医药高光谱分类方法，包括：1、获取原始的医药高光谱数据集；2、构建有标签样本集和无标签样本集；3、搭建相互半监督学习模型，相互半监督学习模型包括两个子模型；4、利用相互半监督学习模型中存储映射特征和预测向量；5、利用签映射特征对预测向量进行平滑，得到当前批次的两个伪标签集；6、利用映射特征、预测向量和当前批次的两个伪标签集对两个子模型进行迭代训练，得到最终应用的子模型；7、利用子模型对医药高光谱进行分类。本发明采用了伪标签引导的对比学习方法，有助于最大化类间离散性和最小化类内紧密性，从而减轻类内光谱变异性，大幅提升了高光谱分类效率。
-
公开(公告)号：CN115880298B
公开(公告)日：2023-06-16
申请号：CN202310187996.0
申请日：2023-03-02
Applicant: 湖南大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/088
Abstract: 本发明公开了一种基于无监督预训练的玻璃表面缺陷检测系统，该检测系统内设有两相机、光源以及与相机连接的控制器，相机B设置在玻璃正上方，相机A和光源位于相机B两侧；控制器基于拍摄的图像并采用无监督玻璃表面缺陷检测模型进行检测，检测过程为：构建基于动量对比学习的无监督预训练模型并进行预训练得到基于通道注意力机制和空间注意力机制构建的特征提取网络的网络权重参数；将网络权重参数赋值给无监督玻璃表面缺陷检测模型，再利用训练图像得到训练图像上各个图块的多维高斯分布以及利用测试图像得到测试图像上各个图块的嵌入特征向量，再计算同一图块的嵌入特征向量与多维高斯分布的相似距离，以相似距离为标准判定是否有缺陷。
-
公开(公告)号：CN115880298A
公开(公告)日：2023-03-31
申请号：CN202310187996.0
申请日：2023-03-02
Applicant: 湖南大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/088
Abstract: 本发明公开了一种基于无监督预训练的玻璃表面缺陷检测方法及系统，该检测系统内设有两相机、光源以及与相机连接的控制器，相机B设置在玻璃正上方，相机A和光源位于相机B两侧，控制器基于拍摄的图像并采用无监督玻璃表面缺陷检测模型进行检测，检测过程为：构建基于动量对比学习的无监督预训练模型并进行预训练得到基于通道注意力机制和空间注意力机制构建的特征提取网络的网络权重参数；将网络权重参数赋值给无监督玻璃表面缺陷检测模型，再利用训练图像得到训练图像上各个图块的多维高斯分布以及利用测试图像得到测试图像上各个图块的嵌入特征向量，再计算同一图块的嵌入特征向量与多维高斯分布的相似距离，以相似距离为标准判定是否有缺陷。
-
公开(公告)号：CN112179981A
公开(公告)日：2021-01-05
申请号：CN202011063322.2
申请日：2020-09-30
Applicant: 湖南大学
Abstract: 本发明涉及一种声表面波传感器。该声表面波传感器包括压电基板、双端对叉指电极、两个反射栅和绝缘层；两个所述叉指电极相对地设于压电基板的上表面，两个叉指电极之间有间距；两个所述反射栅分别设于两个所述叉指电极的两侧，两个所述叉指电极位于两个所述反射栅之间；两个所述叉指电极所在区域的所述压电基板的上表面、位于两个所述叉指电极之间的所述压电基板的上表面和所述叉指电极的上表面覆盖有所述绝缘层。该声表面波传感器结合了声波传播区和电极敏感区的质量负载效应敏感特性，相较于传统基于声波传播区的声表面波传感器，当加载相同的单位面积质量负载时，具有更大的显著的谐振频率偏移；具有超高灵敏、易于检测以及工艺简单的优势。
-
公开(公告)号：CN119785195A
公开(公告)日：2025-04-08
申请号：CN202411244312.7
申请日：2024-09-06
Applicant: 湖南大学
IPC: G06V20/10 , G06V10/26 , G06V10/44 , G06V10/52 , G06V10/774 , G06V10/40 , G06V10/82 , G06N3/0455
Abstract: 本发明公开了一种基于跨尺度空谱特征融合网络的病理高光谱图像检测方法，该方法提出了基于跨尺度空谱特征融合的特征提取网络，首先，在编码器阶段利用膨胀卷积提取多尺度信息，从而使得网络更好的得到多个感受野的特征信息；然后，在编码器和解码器的跳跃连接阶段，利用transformer的变形进行跨尺度间特征提取，可以更好的保留输入图像样本的全局上下文信息和布局信息；最后，为了缓解空谱特征提取困难，在解码器部分提出特征注意力机制，对解码器不同层的输出进行处理，获取更丰富的跨层特征，提取不同层之间更重要的特征信息，从而提高网络的分割性能，使得的神经网络更好的提取光谱特征融合信息，提升病理高光谱的检测精度。
-
Patent Agency Ranking
公开(公告)号：CN119380029B
公开(公告)日：2025-03-11
申请号：CN202411943039.7
申请日：2024-12-27
Applicant: 湖南大学
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06N3/084
Abstract: 本发明公开了一种伪标签生成及无源域场景自适应的遮挡感知无缝分割方法及系统，该方法通过为常规使用的实例级伪标签通过阈值筛选和数据量的对比，进一步提升伪标签的标记精度；同时利用生成的伪标签，并设计一种针对遮挡感知无缝分割任务中实例级预测分支的不确定区域引导的加权损失，提升分割模型的准确度；再结合对低质量伪标签的筛选，提出一种非模态引导的实例混合策略，从而进一步的增加可供训练的样本数量；从而提高由于个别类别样本数量少导致的最终训练的模型分割效果差的问题，最终提高无源域场景自适应效果。
-
公开(公告)号：CN118968174A
公开(公告)日：2024-11-15
申请号：CN202411088848.4
申请日：2024-08-09
Applicant: 湖南大学
IPC: G06V10/764 , G06V10/58 , G06V10/44 , G06V10/82 , G06V10/74 , G06V20/10 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种基于自注意力网络的高光谱图像分类特征提取方法，提出了基于空谱自注意力机制的特征提取网络，直接利用初始输入进行光谱注意操作和空间注意操作，将其结果进行联系，将光谱注意力机制和空间注意力机制引入特征提取网络中，使得网络更加关注检测任务感兴趣的区域，避免光谱数据被破坏和光谱重要性无法正确提取的问题；并且提出了基于光谱中心自注意力网络的特征提取网络，计算贡献率最大的光谱与其他光谱之间的相似度，避免不同光谱之间不相关的影响，使得神经网络更多地关注贡献大的光谱波段，提取图像光谱局部差异特征，提升高光谱图像分类精度。
-
公开(公告)号：CN117876769A
公开(公告)日：2024-04-12
申请号：CN202410043188.1
申请日：2024-01-11
Applicant: 湖南大学
IPC: G06V10/764 , G06V10/774 , G06V10/44 , G06V10/58 , G06V10/74
Abstract: 本发明公开了一种基于高光谱图像的无监督医药异物检测方法及系统，采用边缘检测算法和主成分分析算法对待测药品的初始高光谱图像进行空间和光谱维度的降维处理，实现原始医药高光谱图像的冗余度的降低进而提高后续模型的检测速度；通过局部区域算法获取纯净的降维高光谱图像的高光谱背景数据，将高光谱背景数据输入基于变分自编码器的药品高光谱重构模型中对模型权重参数进行训练，得到能够很好重构药品高光谱背景数据的药品高光谱重构模型；最后将降维高光谱图像输入训练完成的药品高光谱重构模型中，获得待测药品的重构高光谱图像，通过计算降维高光谱图像与重构高光谱图像数据之间的均方误差，得到最终的药品异物检测结果图。
-
公开(公告)号：CN115979973B
公开(公告)日：2023-06-16
申请号：CN202310271270.5
申请日：2023-03-20
Applicant: 湖南大学
IPC: G01N21/25 , G01N33/15 , G06V10/764 , G06V10/58 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 一种基于双通道压缩注意力网络的高光谱中药材鉴别方法，包括：1、构建第一金银花中药材高光谱数据集和第二金银花中药材高光谱数据集；2、构建分组融合模块，将第一金银花中药材高光谱数据集输入到分组融合模块，最终生成空间通道的输入矩阵和光谱通道的输入矩阵；3、搭建空谱双通道压缩注意力网络模型，优化空谱双通道压缩注意力网络模型的参数；4、利用第二金银花中药材高光谱数据集对训练后的空谱双通道压缩注意力网络模型进行验证。本发明利用分组融合模块降低了高光谱数据的冗余程度，同时利用双通道压缩注意力网络学习金银花高光谱数据的空谱特征表示，减少了有效信息丢失，降低了注意力计算的资源消耗，提高了金银花的鉴别精度。
-
公开(公告)号：CN119380029A
公开(公告)日：2025-01-28
申请号：CN202411943039.7
申请日：2024-12-27
Applicant: 湖南大学
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06N3/084
Abstract: 本发明公开了一种伪标签生成及无源域场景自适应的遮挡感知无缝分割方法及系统，该方法通过为常规使用的实例级伪标签通过阈值筛选和数据量的对比，进一步提升伪标签的标记精度；同时利用生成的伪标签，并设计一种针对遮挡感知无缝分割任务中实例级预测分支的不确定区域引导的加权损失，提升分割模型的准确度；再结合对低质量伪标签的筛选，提出一种非模态引导的实例混合策略，从而进一步的增加可供训练的样本数量；从而提高由于个别类别样本数量少导致的最终训练的模型分割效果差的问题，最终提高无源域场景自适应效果。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.02 seconds)
