-
公开(公告)号：CN115700806A
公开(公告)日：2023-02-07
申请号：CN202211519885.7
申请日：2022-11-30
Applicant: 湖南大学
IPC: G06V20/10 , G06N3/0464 , G06N3/08 , G06V10/764
Abstract: 本发明公开了一种基于医药高光谱检测网络的阈值感知低位量化方法，首先使用高光谱相机采集药品图像得到数据集；其次设计合适的神经网络进行训练，保存模型准确率最高的训练参数，同时调整网络结构；再次，对调整后的神经网络进行量化处理，对网络权重使用基于最小均方差搜索的逐通道对称量化，对网络激活值使用基于最小KL散度搜索的逐层非对称量化；然后使用量化后的权重对调整后的神经网络进行微调训练，保存模型准确率最高的微调参数；最后，使用微调后的网络模型，重构整型网络架构，进行整型卷积，输出检测结果。在高光谱医药检测神经网络上，实现了4位量化，大幅减少了计算复杂度和存储量，同时检测准确率仅有轻微下降。
-
公开(公告)号：CN119205748A
公开(公告)日：2024-12-27
申请号：CN202411697688.3
申请日：2024-11-26
Applicant: 湖南大学
IPC: G06T7/00 , G06N3/0464 , G06V10/44 , G06V10/58 , G06V10/764 , G06V10/774 , G06V10/82 , G06F15/78
Abstract: 一种光谱图像检测模型、检测方法和片上计算的相机处理器，其中光谱图像检测模型包括N个串联的KAM块以及连在N个KAM块之后的分类器块；KAM块包括依次连接的深度可分离卷积层、批归一化层、改进的三重注意力层以及ReLU激活函数层；深度可分离卷积层用于提取图像特征，改进的三重注意力层用于增强特征图内和特征图之间的信息交互；分类器块包括依次连接的深度可分离卷积层、批归一化层、普通卷积层和Sigmoid激活函数层。本发明中的光谱图像检测模型具有轻量化、计算量小等特点，可部署在相机中的相机处理器中，以满足移动端、边缘端高光谱图像处理需求。
-
公开(公告)号：CN114004960B
公开(公告)日：2024-06-18
申请号：CN202111360605.8
申请日：2021-11-17
Applicant: 湖南大学
IPC: G06V10/147 , G02B27/00 , G02B7/182 , G02B17/00 , G06V10/58
Abstract: 本发明公开了一种医药检测的高光谱双模成像系统及方法，包括第一光源、第二光源、高光谱相机、样品台、滑行组件、平面反射镜、匀光面板和控制装置，第一光源、匀光面板和高光谱相机从左至右依次设置，且三者的中心点在一条直线上，第一光源、匀光面板均位于样品台的左侧，高光谱相机位于样品台的右侧，第一光源、匀光面板和高光谱相机组成透射成像装置，平面反射镜和第二光源均按预设角度设置于样品台的上方，第二光源、平面反射镜和高光谱相机组成反射成像装置，高光谱相机可滑行地安装于滑行组件上，高光谱相机与控制装置连接，高光谱相机上设置有压缩感知模块，压缩感知模块采用预设的正则化正交匹配追踪重构算法。其结构简单且检测精准。
-
公开(公告)号：CN115994983B
公开(公告)日：2023-06-02
申请号：CN202310298901.2
申请日：2023-03-24
Applicant: 湖南大学
Abstract: 本发明公开了一种基于快照式编码成像系统的医药高光谱重构方法，采集医药高光谱原始图像并处理，得到增强后的医药高光谱图像，经过模拟空间编码，获得编码后的测量图像，对编码后的测量图像进行光谱反移位后作反向编码处理，得到反向编码后的三维高光谱图像，将增强后的医药高光谱图像作为目标图像，根据反编码后的测量图像和目标图像构建训练集和测试集；搭建深度对称神经重构网络，并通过训练集和测试集进行训练和测试；将测试后的深度对称神经重构网络部署到快照式编码成像系统，利用快照式编码成像系统实时采集得到医药测量图像，经过计算重构，得到重构的三维高光谱图像。该方法能够实现对快照式成像系统医药高光谱的高质量重构。
-
公开(公告)号：CN113269196B
公开(公告)日：2021-09-28
申请号：CN202110811547.X
申请日：2021-07-19
Applicant: 湖南大学
Abstract: 本发明公开了一种图卷积神经网络高光谱医药成分分析的实现方法，一方面，将医药高光谱图像数据处理成图数据，大幅度降低了像素数量，有效减少了数据量；另一方面，以图卷积神经网络模型提取药物的特征信息，有效地学习了药物高光谱图像中的视觉特征与药物成分间的空间关系，提升了药物成分分类特征的表示能力，提高了被测药物的成分和属性精度，可实现对药物成分与质量的无损、快速检测分析。
-
Patent Agency Ranking
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：CN118870190A
公开(公告)日：2024-10-29
申请号：CN202411346194.0
申请日：2024-09-26
Applicant: 湖南大学
Abstract: 本发明公开了一种基于明暗场融合的基板玻璃缺陷图像自动对焦方法及系统，旨在找到最清晰的基板玻璃缺陷明场、暗场图像。包括：获取相机拍摄的基板玻璃明场、暗场图像；提取明场、暗场图像序列的图像特征；利用若干个串接的CIM模块，再连接全局平均池化和1*1卷积层构建出双分支特征交叉融合网络，CIM模块为2输入2输出的空间、通道注意力交叉融合模块；将明场、暗场特征图输入双分支特征交叉融合网络得到明场、暗场对应的网络输出向量，并利用网络输出向量确定最清晰的明场图像和暗场图像，实现对焦；实验证明，通过该方法进行基板玻璃缺陷的自动对焦，在运行速度和精度上均表现出优异的效果。
-
公开(公告)号：CN116662593B
公开(公告)日：2023-10-27
申请号：CN202310896660.1
申请日：2023-07-21
Applicant: 湖南大学
IPC: G06F16/55 , G06N3/0464 , G06T7/00 , G06V10/58 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于FPGA的全流水线医药高光谱图像神经网络分类方法，首先采集并制作高光谱医药数据集图像；其次设计具有卷积神经网络主干架构的深度神经网络进行训练，保存模型收敛的训练参数；然后对神经网络进行量化处理，对网络权重使用逐通道对称量化，对网络的其他浮点参数使用贪心算法逐步寻找各个参数缩放系数的局部最优值，获得参数为整型的神经网络；基于硬件描述语言Verilog重新构建寄存器传输级的网络模型，实现全流水线；最终通过仿真综合布局布线，将符合预设设计要求的布局布线后的网络模型部署在FPGA上完成分类算法实现。在边缘端进行分类，准确率仅有轻微下降，实现全流水线化，分类速度较快，资源消耗较低。
-
公开(公告)号：CN116702862A
公开(公告)日：2023-09-05
申请号：CN202310920944.X
申请日：2023-07-25
Applicant: 湖南大学
Abstract: 本发明公开了一种用于神经网络模型量化的混合舍入方法，包括获取训练好的神经网络模型权重参数；对模型权重参数进行缩放处理；在预设范围内随机设定舍入阈值，根据设定的舍入阈值将缩放后的模型权重参数中的小数部分划分为三个区域；若缩放后的模型权重参数中的小数部分位于R1和R3区域中，执行最近邻舍入，若小数部分位于R2区域，执行交替舍入；在预设范围内按照预设距离遍历舍入阈值，得到每一设定的舍入阈值对应的量化模型参数；评估每一设定的舍入阈值舍入后的对应的量化后模型的准确率，选取最高准确率对应的舍入阈值作为最终的舍入阈值，将对应的混合舍入后的量化模型参数作为最终的量化模型参数。有效提升量化模型的准确率。
-
公开(公告)号：CN113240101B
公开(公告)日：2022-07-05
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。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.018 seconds)
