-
Patent Agency Ranking
公开(公告)号：CN112016574A
公开(公告)日：2020-12-01
申请号：CN202011140530.8
申请日：2020-10-22
Applicant: 北京科技大学
Abstract: 本发明提供一种基于特征融合的图像分类方法，所述方法包括：获取包含图像和结构化数值特征的训练集；构建基于图像特征和结构化数值特征的特征融合图像分类模型；利用获取的训练集对构建的特征融合图像分类模型进行训练；其中，在训练过程中，通过图像处理提取图像的几何特征，同时通过卷积神经网络自动提取图像特征，将图像处理提取的几何特征、卷积神经网络自动提取的特征与训练集中的结构化数值特征进行融合，根据融合后的特征对图像的类型进行预测；获取待分类图像，将其输入到训练好的特征融合图像分类模型中，对待分类图像的类型进行预测。采用本发明，能够利用融合后的更加全面和更具代表性的特征对图像进行分类，提高图像的分类准确率。
-
公开(公告)号：CN111126455B
公开(公告)日：2023-07-14
申请号：CN201911235914.5
申请日：2019-12-05
Applicant: 北京科技大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于Lightweight CNN与SVM的磨粒两阶段识别方法，能够在提高磨粒识别效率的同时，提高磨粒识别的准确率。所述方法包括：构建用于磨粒识别的层级模型，其中，层级模型的第一级模型为轻量化卷积神经网络，第二级模型为支持向量机模型；将磨粒图库中标签为疲劳磨粒与滑动磨粒的磨粒类型统一标定为FoS磨粒，利用统一标定后的磨粒图库对第一级模型进行训练，训练好的第一级模型用于实现磨粒四分类；其中，标签包括：非金属磨粒、切削磨粒、球形磨粒、疲劳磨粒和滑动磨粒；针对分类结果为FoS磨粒的磨粒图像，提取磨粒的径向边缘因子，基于提取的径向边缘因子训练第二级模型，训练好的第二级模型用于实现FoS磨粒的再分类。本发明涉及磨粒智能识别领域。
-
公开(公告)号：CN110992267A
公开(公告)日：2020-04-10
申请号：CN201911237070.8
申请日：2019-12-05
Applicant: 北京科技大学
Abstract: 本发明提供一种基于DPSR与Lightweight CNN的磨粒识别方法，能够提高磨粒分类的效率和准确性。所述方法包括：获取单磨粒图像集，其中，单磨粒图像集中的图像为低分辨率且具有单一磨粒类型的图像；利用深度即插即用超分辨率网络对单磨粒图像集中的图像进行超分辨率重建，得到超分辨率磨粒图像；将得到的所有超分辨率磨粒图像输入到轻量级卷积神经网络模型中进行训练和测试，以便利用训练好的轻量级卷积神经网络模型对待识别的超分辨率磨粒图像进行识别，输出磨粒类型。本发明涉及磨粒智能识别领域。
-
公开(公告)号：CN111126455A
公开(公告)日：2020-05-08
申请号：CN201911235914.5
申请日：2019-12-05
Applicant: 北京科技大学
Abstract: 本发明提供一种基于Lightweight CNN与SVM的磨粒两阶段识别方法，能够在提高磨粒识别效率的同时，提高磨粒识别的准确率。所述方法包括：构建用于磨粒识别的层级模型，其中，层级模型的第一级模型为轻量化卷积神经网络，第二级模型为支持向量机模型；将磨粒图库中标签为疲劳磨粒与滑动磨粒的磨粒类型统一标定为FoS磨粒，利用统一标定后的磨粒图库对第一级模型进行训练，训练好的第一级模型用于实现磨粒四分类；其中，标签包括：非金属磨粒、切削磨粒、球形磨粒、疲劳磨粒和滑动磨粒；针对分类结果为FoS磨粒的磨粒图像，提取磨粒的径向边缘因子，基于提取的径向边缘因子训练第二级模型，训练好的第二级模型用于实现FoS磨粒的再分类。本发明涉及磨粒智能识别领域。
-
公开(公告)号：CN112016574B
公开(公告)日：2021-02-12
申请号：CN202011140530.8
申请日：2020-10-22
Applicant: 北京科技大学
Abstract: 本发明提供一种基于特征融合的图像分类方法，所述方法包括：获取包含图像和结构化数值特征的训练集；构建基于图像特征和结构化数值特征的特征融合图像分类模型；利用获取的训练集对构建的特征融合图像分类模型进行训练；其中，在训练过程中，通过图像处理提取图像的几何特征，同时通过卷积神经网络自动提取图像特征，将图像处理提取的几何特征、卷积神经网络自动提取的特征与训练集中的结构化数值特征进行融合，根据融合后的特征对图像的类型进行预测；获取待分类图像，将其输入到训练好的特征融合图像分类模型中，对待分类图像的类型进行预测。采用本发明，能够利用融合后的更加全面和更具代表性的特征对图像进行分类，提高图像的分类准确率。
-
-
-
-
Search Results
5
records
(took 0.014 seconds)
