-
公开(公告)号：CN116244462A
公开(公告)日：2023-06-09
申请号：CN202310152293.4
申请日：2023-02-22
Applicant: 中南大学
IPC: G06F16/583 , G06V20/10 , G06V10/82 , G06V10/774 , G06V10/778 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084 , G06N3/091
Abstract: 本发明涉及遥感图像检索技术领域，具体公开了一种基于权重自适应组合鲁棒损失的单域遥感图像检索方法，该方法采用以下步骤：S1：将训练数据输入主模型并提取图像特征，主模型根据图像特征输出该图像属于各类别的概率，并将其方差var与信息熵entropy的比值定义为组合指数；S2：将组合指数输入权重自适应模型得到损失权重α与β；S3：将损失权重α与β代入组合鲁棒损失函数得到损失值Lauto，并更新主模型参数；S4：将相同的训练数据代入更新后的主模型，再次计算组合损失值Lauto并以此更新权重自适应模型的参数。本发明解决了组合鲁棒损失的权重需人工测试确定的问题，能够有效保证最优精度，克服人工测试权重耗时耗力的缺点。
-
公开(公告)号：CN114511452B
公开(公告)日：2024-03-19
申请号：CN202111480268.6
申请日：2021-12-06
Applicant: 中南大学
IPC: G06T5/70 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了融合多尺度空洞卷积和三元组注意力的遥感图像检索方法，包括如下步骤：A)构建基于残差结构的基准网络；B)将残差结构中的卷积模块替换为多尺度空洞卷积模块，对图像特征进行增强；C)在采用多尺度空洞卷积模块构成的残差结构中嵌入三元组注意力模块，三元组注意力模块被嵌入在残差结构的每个残差块的最后一个卷积层后；D)构造在线标签平滑损失函数，将遥感图像数据输入残差结构中进行训练，并在训练过程中动态生成平滑权重矩阵；E)提取遥感图像的特征向量；(F)将遥感图像的特征与数据库图像特征进行匹配，检索最相似图像。本发明可以提取遥感图像的显著语义特征，能够有效提高检索精度。
-
公开(公告)号：CN119926674A
公开(公告)日：2025-05-06
申请号：CN202510248562.6
申请日：2025-03-04
Applicant: 中南大学
IPC: B03D1/02
Abstract: 本发明涉及一种智能优化强化学习算法的浮选过程自动控制方法。本发明针对在矿物浮选作业过程中，需要对浮选药剂制度进行精密的把控，如调整捕收剂、抑制剂以及起泡剂等药剂用量，或者矿浆酸碱度、浮选温度、药剂反应时间等过程反应参数，从而使浮选指标达到最佳，实现矿产资源最大化利用。浮选药剂添加的主要设备是变频泵，通过PID调整的药剂量，同时通过传感器采集浮选槽的过程指标数据，利用改进FPA强化学习优化整个控制算法，将浮选过程指标数据参数作为强化学习智能体的环境状态观测值，同时按照符合浮选要求的条件进行设计环境的奖励，经过反复环境交互训练智能体。最后运行时智能体不断实时给出最佳的浮选槽执行器的动作值参数，实现矿物浮选的无人强化学习优化控制。
-
公开(公告)号：CN119128195A
公开(公告)日：2024-12-13
申请号：CN202411165233.7
申请日：2024-08-23
Applicant: 中南大学
IPC: G06F16/58 , G06V10/764 , G06F16/55 , G06V10/80 , G06V10/82 , G06N3/0499
Abstract: 本公开实施例中提供了一种融合空间域和频率域的闭集域适应遥感图像分类检索方法，属于数据处理技术领域，具体包括：建立融合遥感图像空间域和频率域的闭集域适应模型；建立模型训练策略；将样本数据集按预设比例划分为训练集、测试集和验证集，通过训练集和模型训练策略训练闭集域适应模型，并通过测试集和验证集对其进行测试和验证，得到训练好的分类检索模型；将目标遥感图像输入训练好的分类检索模型，得到分类结果和检索结果。通过本公开的方案，解决了由于遥感图像背景复杂性与多源数据分布差异性的影响，复杂遥感图像跨域分类检索任务仅聚焦于空间域信息并不能得到很好的泛化结果的问题，提高了分类检索精准度和适应性。
-
公开(公告)号：CN115292532A
公开(公告)日：2022-11-04
申请号：CN202210729817.7
申请日：2022-06-24
Applicant: 中南大学
IPC: G06F16/532 , G06F16/55 , G06F16/583 , G06N3/04 , G06N3/08 , G06V10/40 , G06V10/764 , G06V10/82
Abstract: 本发明涉及基于伪标签一致性学习的遥感图像域适应检索方法，包括如下步骤：A)获取遥感图像；B)构建输入数据、三元组卷积神经网络和损失函数；C)利用输入数据并结合所述损失函数对三元组卷积神经网络进行优化训练，利用训练好的三元组卷积神经网络提取目标域内的遥感图像的遥感图像特征向量，形成特征库向量，提取用户查询的查询特征向量，并将查询特征向量与特征库向量中的遥感图像特征向量进行比较，得到设定的相似度排名内的所述遥感图像特征向量。本发明的基于伪标签一致性学习的遥感图像域适应检索方法受目标域与源域的分布差异的影响小，检索效果好。
-
Patent Agency Ranking
公开(公告)号：CN110095135A
公开(公告)日：2019-08-06
申请号：CN201910477554.3
申请日：2019-06-03
Applicant: 中南大学
Abstract: 本发明提供了一种用于掘进机定位定向的方法，包括用于获取掘进机实时速度及位置信息的航位推算过程和用于获取掘进机实时姿态信息的惯性解算过程；在所述惯性解算过程中引入姿态四元数以计算得到掘进机的实时姿态信息，所述姿态四元数通过计算导航坐标系各方向轴上的对应速度和中间速度获得，所述导航坐标系包括x轴、y轴和z轴。本发明的定位定向方法可以有效的解决工作环境对掘进机定位定向精度的影响，可以实现全自主导航，省去了需要人为设置后方巷道基准的麻烦，大大的提高了施工效率。本发明还提供了一种用于所述掘进机定位定向的方法的装置，该装置组成简单，可以解决现有技术中工作环境导致掘进机的定位精度低的问题。
-
公开(公告)号：CN110095135B
公开(公告)日：2023-07-18
申请号：CN201910477554.3
申请日：2019-06-03
Applicant: 中南大学
Abstract: 本发明提供了一种用于掘进机定位定向的方法，包括用于获取掘进机实时速度及位置信息的航位推算过程和用于获取掘进机实时姿态信息的惯性解算过程；在所述惯性解算过程中引入姿态四元数以计算得到掘进机的实时姿态信息，所述姿态四元数通过计算导航坐标系各方向轴上的对应速度和中间速度获得，所述导航坐标系包括x轴、y轴和z轴。本发明的定位定向方法可以有效的解决工作环境对掘进机定位定向精度的影响，可以实现全自主导航，省去了需要人为设置后方巷道基准的麻烦，大大的提高了施工效率。本发明还提供了一种用于所述掘进机定位定向的方法的装置，该装置组成简单，可以解决现有技术中工作环境导致掘进机的定位精度低的问题。
-
公开(公告)号：CN114511452A
公开(公告)日：2022-05-17
申请号：CN202111480268.6
申请日：2021-12-06
Applicant: 中南大学
Abstract: 本发明公开了融合多尺度空洞卷积和三元组注意力的遥感图像检索方法，包括如下步骤：A)构建基于残差结构的基准网络；B)将残差结构中的卷积模块替换为多尺度空洞卷积模块，对图像特征进行增强；C)在采用多尺度空洞卷积模块构成的残差结构中嵌入三元组注意力模块，三元组注意力模块被嵌入在残差结构的每个残差块的最后一个卷积层后；D)构造在线标签平滑损失函数，将遥感图像数据输入残差结构中进行训练，并在训练过程中动态生成平滑权重矩阵；E)提取遥感图像的特征向量；(F)将遥感图像的特征与数据库图像特征进行匹配，检索最相似图像。本发明可以提取遥感图像的显著语义特征，能够有效提高检索精度。
-
公开(公告)号：CN115292532B
公开(公告)日：2024-03-15
申请号：CN202210729817.7
申请日：2022-06-24
Applicant: 中南大学
IPC: G06F16/532 , G06F16/55 , G06F16/583 , G06N3/0464 , G06N3/08 , G06V10/40 , G06V10/764 , G06V10/82
Abstract: 本发明涉及基于伪标签一致性学习的遥感图像域适应检索方法，包括如下步骤：A)获取遥感图像；B)构建输入数据、三元组卷积神经网络和损失函数；C)利用输入数据并结合所述损失函数对三元组卷积神经网络进行优化训练，利用训练好的三元组卷积神经网络提取目标域内的遥感图像的遥感图像特征向量，形成特征库向量，提取用户查询的查询特征向量，并将查询特征向量与特征库向量中的遥感图像特征向量进行比较，得到设定的相似度排名内的所述遥感图像特征向量。本发明的基于伪标签一致性学习的遥感图像域适应检索方法受目标域与源域的分布差异的影响小，检索效果好。
-
公开(公告)号：CN115471739A
公开(公告)日：2022-12-13
申请号：CN202210927707.1
申请日：2022-08-03
Applicant: 中南大学
IPC: G06V20/10 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08 , G06F16/583 , G06F16/55
Abstract: 本发明涉及基于自监督对比学习的跨域遥感场景分类与检索方法，包括如下步骤：A)获取遥感图像，构建输入数据；B)基于自监督对比学习并结合目标域图像的已知类样本和未知类样本构建损失函数，并构建深度域适应学习网络，并利用输入数据和损失函数对其进行训练；C)利用深度域适应学习网络对目标域图像进行分类，提取目标域图像的目标图像特征向量构建特征数据库，提取目标域查询图像的查询图像特征向量，计算查询图像特征向量与特征数据库中的目标图像特征向量的欧式距离，以基于欧式距离选出所需的检索目标。本发明的基于自监督对比学习的跨域遥感场景分类与检索方法能够在目标域存在未知类别的情况下仍具有良好的跨域分类与检索精度。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.019 seconds)
