-
公开(公告)号：CN112434654A
公开(公告)日：2021-03-02
申请号：CN202011430914.3
申请日：2020-12-07
Applicant: 安徽大学
Abstract: 本发明公开了一种基于对称卷积神经网络的跨模态行人重识别方法，其步骤包括：1获取可见光和红外光两种不同模态下的行人照片，构建跨模态行人重识别数据集，构建检索库；2利用神经网络建立对称卷积神经网络跨模态行人重识别方法模型；3利用数据集训练基于对称卷积神经网络跨模态行人重识别方法模型；4利用建立好的模型实现预测，以达到跨模态行人重识别的目的。本发明能极大地缓解现有行人重识别方法在跨模态下检测不精确的问题，在模态差异较大的情况下仍然有较高的检测精度。
-
公开(公告)号：CN112306642A
公开(公告)日：2021-02-02
申请号：CN202011329163.6
申请日：2020-11-24
Applicant: 安徽大学
IPC: G06F9/455
Abstract: 本发明提供了一种基于稳定匹配博弈理论的工作流调度方法，包括以下步骤：步骤A：输入工作流的DAG图，虚拟机池V＝{VM0,VM1,…,VMm‑1}，以及CCR数值；步骤B：计算每个任务的rank值，选择每一层中具有最大rank值的任务加入关键路径任务集合CP；步骤C：基于稳定匹配博弈理论将任务分配到虚拟机上，得到调度方案；步骤D：优化调度方案，遍历所有任务，将使当前任务开始时间提前的前驱节点复制到当前任务所在的虚拟机上。本发明的优点在于：基于关键路径和任务复制的两种局部优化策略有效地减少了工作流的最大完工时间，综合考虑了任务的公平性问题，能够提高客户满意度。
-
公开(公告)号：CN112100429A
公开(公告)日：2020-12-18
申请号：CN202011031745.6
申请日：2020-09-27
Applicant: 安徽大学
IPC: G06F16/583 , G06T5/00 , G06N3/04
Abstract: 本发明公开了一种足迹压力图像检索方法，包括：1、足迹压力图像数据集采集并进行预处理操作；2、建立由K层多尺度自注意卷积模块构成的特征提取网络；步骤3、建立由全局特征分支、残缺性评分掩模分支构成的残缺性评分模块；步骤4、建立由共同可见特征提取模块、局部特征池化模块和三元组损失函数构成的特征比对模块；步骤5、进行网络的训练、参数优化和测试。本发明采用多尺度自注意卷积的足迹压力图像检索方法，能够有效的提取足迹压力图像检索的判别性特征，同时针对足迹图像不完整的问题，采用残缺性评分模型，能够降低网络对残缺部分的关注度，有效地抑制残缺图像对于检索过程中产生的影响。
-
-
公开(公告)号：CN111402202A
公开(公告)日：2020-07-10
申请号：CN202010112014.8
申请日：2020-02-24
Applicant: 安徽大学
Abstract: 本发明涉及图像处理技术领域，公开了一种足底压力图像相似度评价方法，包括以下步骤：足迹校准：对采集到的足底压力数据进行去噪，并统一足迹图像中足迹的倾角，完成校准操作；判断外部相似度：对经过校准的足迹图像进行等效矩形算法，得到像素级别的足长与足宽，并转化为真实的足长与足宽，比较得出外部相似度；判断内部相似度：对每个区域的压力块进行压力增强，分别在每个区域建立极坐标系，将压力块转化为点集形式，基于匹配相似度算法，根据压力的点集信息对内部相似度进行评价。本发明通过上述步骤能够准确判断不同足底压力图像之间的相似度，反馈足底每个区域压力分布的差异性，可用于刑侦判断，有效提高刑侦效率。
-
Patent Agency Ranking
公开(公告)号：CN110942251A
公开(公告)日：2020-03-31
申请号：CN201911179848.4
申请日：2019-11-27
Applicant: 安徽大学
Abstract: 本发明提供了一种基于联合蚁群算法的批调度方法，包括以下步骤：初始化Tmax、AntNum、n，I，S，信息素矩阵、ρ、库存概率和运输概率，令t＝1，Ant＝0；令Ant＝Ant+1，蚂蚁Ant对工件进行分配输出调度方案；通过局部优化策略优化调度方案，计算优化后的调度方案的目标值，更新库存概率和运输概率；重复此过程直到所有蚂蚁用尽结束本次迭代，获取全局最优调度方案，更新信息素，如果t＜Tmax，则令t＝t+1，Ant＝0，返回分配工件，直到迭代结束，输出全局最优调度方案。本发明提供的一种基于联合蚁群算法的批调度方法的优点在于：综合考虑的生产过程中的库存和运输问题，通过合理的反馈机制，适合解决大规模批调度问题，实现成本优化，能够为生产过程提供有效的指导建议。
-
公开(公告)号：CN108596269A
公开(公告)日：2018-09-28
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算法。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。该算法避免了因图像不清楚而导致的特征提取困难等问题，从而提高了算法的鲁棒性。
-
公开(公告)号：CN108573502A
公开(公告)日：2018-09-25
申请号：CN201810182773.4
申请日：2018-03-06
Applicant: 安徽大学
Abstract: 本发明公开了一种自动测量Cobb角的方法，所述方法包括以下步骤：步骤一：预处理；步骤二：增强的分水岭分割算法；步骤三：提取各脊椎中心点并拟合曲线；步骤四：自动计算Cobb角。本发明所述方法无须手动确立上下终端，使得算法鲁棒性更高，并且可适用于Cobb角测量经验较少的操作人员；采用分割-提取中心点并拟合曲线的方式代表脊柱曲率，进一步可用于腰椎滑脱以及骨折等症状的诊断中，采用这种方式，可以有效直观地显示脊柱的曲率；该方法结果稳定，误差较小。
-
公开(公告)号：CN119107635A
公开(公告)日：2024-12-10
申请号：CN202411042767.0
申请日：2024-07-31
Applicant: 安徽大学
Abstract: 本发明公开了一种基于目标检测与语义分割的水面上水尺刻度智能读取方法，其步骤包括：1、水面上水尺图像数据和不同形态字母E图像数据的收集与预处理；2、构建水尺字符目标检测网络，检测水尺上数字和字母E的类别与位置信息；3、构建水尺语义分割网络，分割出水尺区域；4、构建字母E分类网络，识别水尺上与水面接触的字母E的形态；5、利用训练好的模型和公式对水面上水尺的刻度进行计算。本发明能快速准确地识别复杂视频监控场景下水尺上的字符和水面上水尺部分，从而能大大提升水尺刻度读取的精度。
-
公开(公告)号：CN113469050B
公开(公告)日：2024-06-14
申请号：CN202110746048.7
申请日：2021-07-01
Applicant: 安徽大学
IPC: G06V20/40 , G06V20/52 , G06V10/30 , G06V10/774 , G06V10/764
Abstract: 本发明涉及图像处理、深度学习技术领域，涉及一种基于图像细分类的火焰检测方法，包括以下步骤：步骤1、收集火焰图像，对数据预处理，制作成火焰数据集；步骤2、根据火焰数据集，训练CenterNet检测器，保存最佳的模型；步骤3、准备火焰与非火焰的二分类数据集；步骤4、在MobileNetV2分类模型的倒置残差模块间引入注意力模块BAM，训练二分类模型；步骤5、CenterNet检测出图像的前景目标K，然后将前景目标K裁剪成图像块送入分类模型中，进行细分类，以滤除与火焰相似的误检物体。本发明不仅可以实现远距离的火灾监测，而且检测效果更好。
-
-
-
-
-
-
-
-
-
Search Results
114
records
(took 0.056 seconds)
