-
公开(公告)号:CN116758497A
公开(公告)日:2023-09-15
申请号:CN202310279707.X
申请日:2023-03-21
Applicant: 湖南大学
Abstract: 本发明提供了一种基于无人系统的激光点云三维目标检测方法包括如下步骤:步骤S1:获取基于无人系统的激光点云数据集,对所述激光点云数据集进行预处理,将预处理后的激光点云数据集按照预设比例1:1分为训练集和测试集;步骤S2:构建基于无人系统的激光点云三维目标检测模型;步骤S3:将所述训练集输入至所述激光点云三维目标检测模型,得到训练好的激光点云三维目标检测模型;步骤S4:将所述测试集输入至所述训练好的激光点云三维目标检测模型,得到三维目标检测结果。本发明所提出的动态边缘卷积模块与自适应特征融合网络具有更加丰富与精细的特征表示,提高激光点云三维目标检测的精度。
-
公开(公告)号:CN116030260B
公开(公告)日:2023-08-01
申请号:CN202310304276.8
申请日:2023-03-27
Applicant: 湖南大学
IPC: G06V10/26 , G06V10/44 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于长条状卷积注意力的手术全场景语义分割方法,其包括:获取内窥镜手术视频的图像数据及其对应的真值标签;构建手术全场景语义分割模型;对图像数据进行编码;编码结果通过长条状卷积注意力模块,输出特征图;对各阶段的编码结果对应的特征图进行上采样操作、拼接操作,得到分割结果;对尺寸最大的特征图进行卷积,得到边界图;设置边界引导分割头,真值标签通过边界引导分割头,得到目标边界图;根据边界图和目标边界图计算边界损失;根据分割结果和真值标签计算分割损失;联合边界损失和分割损失,构建混合损失函数;通过混合损失函数优化手术全场景语义分割模型。该方法满足手术场景分割对于区域边界的精度要求。
-
公开(公告)号:CN116416492A
公开(公告)日:2023-07-11
申请号:CN202310271781.7
申请日:2023-03-20
Applicant: 湖南大学
IPC: G06V10/774 , G06V10/40 , G06V10/82 , G06F16/535 , G06F16/583 , G06N3/0895 , G06N3/0455 , G06N3/047
Abstract: 本申请实施例公开了一种基于特征自适应的自动数据增广方法,其方法包括:构建训练集和验证集;使用增广操作构建增广策略搜索空间;训练集中的每张图像均对应有一增广策略搜索空间;在训练集的各图像对应的增广策略搜索空间中,使用基于贝叶斯优化的增广策略搜索框架循环搜索对应图像的增广策略,直至循环次数达到设定次数,得到各图像对应的最优的增广策略;建立神经网络模型;通过各图像对应的最优的增广策略增广训练集,得到增广后的训练集;根据增广后的训练集训练神经网络模型;通过验证集对训练后的神经网络模型进行测试,计算正确率,若符合要求,则将训练后的神经网络模型投入实际应用。其代替了传统的手工设计增广策略,省时省力。
-
公开(公告)号:CN116229065A
公开(公告)日:2023-06-06
申请号:CN202310109939.0
申请日:2023-02-14
Applicant: 湖南大学
IPC: G06V10/26 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/047
Abstract: 本发明公开了一种基于多分支融合的机器人手术器械分割方法,其方法包括:获取腔镜影像数据,构建分支聚合注意力网络模型,分支聚合注意力网络模型包括编码器、分支均衡聚合模块以及分块注意力融合模块;根据腔镜影像数据通过编码器生成特征图,特征图包括多个,将每个特征图作为一个分支;根据各分支的特征图通过分支均衡聚合模块得到低阶特征图;将第一分支的特征图与第二分支的低阶特征图经过一分块注意力融合模块进行处理后融合,得到融合特征图;将融合特征图与下一分支的低阶特征图进行融合;以此循环,直至遍历完所有分支;将最后得到的融合特征图作为手术器械分割结果。本发明能够提高手术器械分割的精度。
-
公开(公告)号:CN116206333A
公开(公告)日:2023-06-02
申请号:CN202310109245.7
申请日:2023-02-14
Applicant: 湖南大学
IPC: G06V40/10 , G06V10/774 , G06V10/40 , G06V10/80 , G06V10/764
Abstract: 本发明公开了一种基于特征融合和标签可靠性的噪声行人重识别方法,该方法采用训练好的网络模型提取训练集中样本的特征映射;根据特征映射得到融合特征;通过融合特征丰富了特征包含的信息,扩大了特征注意力范围;根据样本间的融合特征筛选出样本的一阶K邻域图像,以及二阶K邻域图像;通过样本的一阶K邻域图像的标签以及二阶K邻域图像的标签,得到混合标签,进而通过混合标签精炼样本的标签,从而同时优化预测标签和网络模型;使得优化后的网络模型能够在含有噪声标签的数据集设定下提高识别准确率。
-
公开(公告)号:CN116129140A
公开(公告)日:2023-05-16
申请号:CN202310079997.3
申请日:2023-02-08
Applicant: 湖南大学
IPC: G06V10/44 , G06V10/80 , G06V10/764 , G06V10/56
Abstract: 本发明公开了一种融合视觉与光谱显著性的高光谱药液异物检测方法,拍摄待检测药液的高光谱原始图像,并构建高光谱图像样本集;采用基于信息熵的排序波段选择方法从高光谱图像样本中选出预设数量的波段,将其转换为伪彩图像;对伪彩图像进行直方图对比度计算和梯度特征提取,并进行特征融合,得到基于视觉的显著性特征图,经过总变分滤波,得到初步异常检测图;对待检测药液的高光谱图像分别计算光谱角距离与光谱欧式距离并进行融合,得到光谱显著性特征图;采用光谱显著性特征图抑制初步异常检测图的背景信息,得到异物检测图,实现待检测药液的异物检测。该方法可以快速、准确地检测出药液成品中的微弱异物,实现对药液的无损检测与质量控制。
-
公开(公告)号:CN115542338B
公开(公告)日:2023-04-18
申请号:CN202211518994.7
申请日:2022-11-30
Applicant: 湖南大学
IPC: G01S17/86 , G01S7/48 , G06V10/82 , G06V10/62 , G06V10/774 , G06T7/246 , G06T7/277 , G06N3/042 , G06N3/082
Abstract: 一种基于点云空间分布映射的激光雷达数据的学习方法,包括:S1、构建目标激光雷达点云数据集,对任意带标注激光雷达点云数据集和目标激光雷达点云数据集进行线束空间分析;S2、将任意带标注激光雷达点云数据集所在空间坐标系变换至目标激光雷达点云数据集所在空间坐标系;S3、对坐标系变换后的任意带标注激光雷达点云数据集进行序列化处理;S4、计算三维空间非共线三点近似平面与激光雷达线束的交点以完成映射;S5、利用带标注的映射数据集训练关于点云目标检测的任意深度学习模型;S6、设计多目标跟踪器对序列信息进行更新实现结果的优化。本发明易操作、效率高,具有良好的鲁棒性,减少了不同类型数据集差异带来的影响。
-
公开(公告)号:CN115597924A
公开(公告)日:2023-01-13
申请号:CN202211425505.3
申请日:2022-11-15
Applicant: 湖南大学(CN)
Abstract: 本发明涉及水体采样技术领域,具体为一种无人机挂载的高精度多点水体采样装置及采样方法,装置包括:壳体、升降机构、采样机构、输送机构、存储机构、控制模块和位置探测机构;采样机构通过升降机构安装在壳体的左侧;存储机构安装在壳体的下部;输送机构的输入端伸入到采样机构的内侧,输出端与存储机构连通,用于将采样机构内采样的水体输送到存储机构内进行存储,位置探测机构安装在壳体的下部;控制模块安装在壳体的内侧,控制模块分别与升降机构、输送机构、位置探测机构电连接;本发明中的输送机构为电磁式,通过电磁式的输送机构,可稳定、准确、可靠的进行多次取样,并且能够自主释放并存储采样水体;同时本发明采样效率高、可拓展性强。
-
公开(公告)号:CN115100078A
公开(公告)日:2022-09-23
申请号:CN202210879305.9
申请日:2022-07-25
Applicant: 湖南大学
Abstract: 本申请公开了一种曲面屏图像中点阵坐标修正与填补的方法及相关装置,用于实现点阵点的精准定位。本申请方法包括:使用水平样本点集生成水平曲线集合;根据竖直样本点集生成优化函数;选取竖直点阵点集的分段位置;根据子集P1、P2和P3生成第一分段函数;根据第一分段函数、竖直点阵点集和优化函数优化分段位置,计算L1;使用分段位置、分段函数表达式、竖直点阵点集和优化函数生成第二分段函数,并计算L2;当L1和L2的绝对差值不小于预设阈值时,重新优化分段位置x1和x2并拟合分段函数,计算并对比优化目标函数值;使用L1和L2的绝对差值小于预设阈值作为优化终止条件,生成竖直曲线集合;生成第一平滑网格并进行修复。
-
公开(公告)号:CN114792288B
公开(公告)日:2022-09-16
申请号:CN202210709298.8
申请日:2022-06-22
Applicant: 湖南大学
Abstract: 本申请公开了一种曲面屏图像的灰度校正方法及相关装置,用于减少灰度过度不均的问题出现。本申请方法包括:构造标定图像输入曲面屏,获取平面拍摄图像和棱镜反射图像;对平面拍摄图像和棱镜反射图像进行展平处理;在平面展平图像和反射展平图像分别标注出平面采样控制区域和曲面采样控制区域;生成平面灰度数据、平面灰度均值、曲面灰度数据和曲面灰度均值;对反射展平图像进行均值分解;设计反射展平图像的分段线性变换函数;生成曲面修正灰度概率分布函数;计算分段线性变换待定系数;生成N个分段线性变换函数和对应的分段线性变换待定系数;对反射展平图像进行灰度校正;将反射展平图像和平面展平图像进行拼接,生成曲面屏拼接图像。
-
-
-
-
-
-
-
-
-