-
公开(公告)号：CN114120057B
公开(公告)日：2025-01-17
申请号：CN202111320510.3
申请日：2021-11-09
Applicant: 华侨大学
IPC: G06V10/774 , G06V10/82 , G06V10/25 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于PaddleDetection的混淆矩阵生成方法，包括：在PaddlePaddle平台下运用PaddleDetection目标检测开发套件训练目标检测网络；获取有标注的测试数据集，分为两个文件夹，一个文件夹放json文件，另一个放对应的图片文件，并得到真实的目标物体外接矩形框；运用infer.py图片文件进行预测，得到预测标签；得出预测修正得到的矩形检测框；将真实矩形框与预测修正得到的矩形检测框进行循环匹配，将统计得到的值记录在矩阵上；创建excle表格，将记录的矩阵填充到excle表格中，绘制出用于评价模型实际应用效果的混淆矩阵，本发明方法能优化网络模型的训练方法。
-
公开(公告)号：CN113047121B
公开(公告)日：2022-07-29
申请号：CN202110312525.9
申请日：2021-03-24
Applicant: 华侨大学 , 福建南方路面机械有限公司
IPC: E01C19/10
Abstract: 本发明提供了一种以扬料时间为评价的变产量干燥滚筒优化设计方法，适用于沥青搅拌原再生一体机的原生干燥滚筒上，所述原生干燥滚筒包括干燥滚筒、燃烧器、滚筒控制器、变频器及信号检测系统；应用本技术方案可实现通过统计取样颗粒在单位时间内的抛撒时间以及单位时间内抛撒的颗粒数目从而得出单位时间内的总抛撒时间，进而对数据进行分析可得到较优的变产量干燥滚筒内部结构。
-
公开(公告)号：CN113554068A
公开(公告)日：2021-10-26
申请号：CN202110758660.6
申请日：2021-07-05
Applicant: 华侨大学
Abstract: 本发明公开了一种实例分割数据集的半自动标注方法、装置及可读介质，通过分别对实例分割模型和图像分类模型进行训练；使用训练好的实例分割模型对图像数据集合中的第一数据集进行预测，得到第一预测结果，基于第一预测结果确定每张图像中包含单个物体的图像，将单个物体的图像输入训练好的图像分类模型，得到第二预测结果，将单个物体的第一预测结果与第二预测结果进行对比，根据比对结果人工纠正每张图像中的单个物体的第一种类和掩膜，得到伪标签实例分割数据集；将人工实例分割数据集和伪标签实例分割数据集混合作为实例分割数据集，对实例分割模型重新训练，得到最终的实例分割模型。本方法使用少量的人工标注数据，成本低并具有较高的精度。
-
公开(公告)号：CN115761205A
公开(公告)日：2023-03-07
申请号：CN202211464923.3
申请日：2022-11-22
Applicant: 华侨大学
Abstract: 本发明提供一种基于遗传算法的图像数据自动增强方法，包括：获取用于搜索的代理数据集；获取多种数据增强操作方法：根据增强操作原理把数据增强操作分为几何变换和颜色变换；构建离散搜索空间：把每种增强策略的操作方法、操作概率、操作幅度进行离散编码；搜索增强策略：采用遗传算法，随机生成若干个操作方法作为初始种群，通过种群的迭代寻优，在搜索空间中搜索出若干个最优的增强策略，确定最优的增强策略组合个数；通过在搜索时使用代理数据集，对几何变换和颜色变换分开进行寻优，减少单个搜索空间的参数量，即减少了搜索过程的时间成本，又能实现增强策略组合个数的优选，最大限度的保留了数据增强的有效性，普遍适用于各类数据集。
-
公开(公告)号：CN113807424A
公开(公告)日：2021-12-17
申请号：CN202111063333.5
申请日：2021-09-10
Applicant: 华侨大学
Abstract: 一种基于离线数据增强的固废数据集生成方法，具体包括：手动标注第一固废数据集A1；对第一固废数据集A1进行离线数据增强生成第二固废数据集A2，合并第一固废数据集A1和第二固废数据集A2，形成合并固废数据集；使用深度学习模型对合并固废数据集进行训练；使用训练好的深度学习模型对未标注的固废数据集D进行预测；通过查询函数找出深度学习模型预测不准确的图像集，并进行手动标注得到第三固废数据集B1；对第三固废数据集B1进行离线数据增强生成第四固废数据集B2。本发明提出的方法可以生成大量固废数据集，快速有效地构扩充固废数据集，从而有助于深度学习模型的训练，进一步提升固废识别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN113047121A
公开(公告)日：2021-06-29
申请号：CN202110312525.9
申请日：2021-03-24
Applicant: 华侨大学 , 福建南方路面机械有限公司
IPC: E01C19/10
Abstract: 本发明提供了一种以扬料时间为评价的变产量干燥滚筒优化设计方法，适用于沥青搅拌原再生一体机的原生干燥滚筒上，所述原生干燥滚筒包括干燥滚筒、燃烧器、滚筒控制器、变频器及信号检测系统；应用本技术方案可实现通过统计取样颗粒在单位时间内的抛撒时间以及单位时间内抛撒的颗粒数目从而得出单位时间内的总抛撒时间，进而对数据进行分析可得到较优的变产量干燥滚筒内部结构。
-
公开(公告)号：CN113807424B
公开(公告)日：2024-04-16
申请号：CN202111063333.5
申请日：2021-09-10
Applicant: 华侨大学
IPC: G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 一种基于离线数据增强的固废数据集生成方法，具体包括：手动标注第一固废数据集A1；对第一固废数据集A1进行离线数据增强生成第二固废数据集A2，合并第一固废数据集A1和第二固废数据集A2，形成合并固废数据集；使用深度学习模型对合并固废数据集进行训练；使用训练好的深度学习模型对未标注的固废数据集D进行预测；通过查询函数找出深度学习模型预测不准确的图像集，并进行手动标注得到第三固废数据集B1；对第三固废数据集B1进行离线数据增强生成第四固废数据集B2。本发明提出的方法可以生成大量固废数据集，快速有效地构扩充固废数据集，从而有助于深度学习模型的训练，进一步提升固废识别的准确率。
-
公开(公告)号：CN114429573A
公开(公告)日：2022-05-03
申请号：CN202210022048.7
申请日：2022-01-10
Applicant: 华侨大学
IPC: G06V10/774 , G06V10/22 , G06V10/46 , G06K9/62 , G06V20/10 , G06F16/51 , G06F16/55 , G06F16/583
Abstract: 一种基于Copy‑Paste数据增强的生活垃圾数据集生成方法，具体包括：将生活垃圾分作若干批次，每一批次为相同类别，并且分批将生活垃圾稀疏放置在传送带上；使用RGB‑D采集系统对物体进行彩色图和高度图的图像采集；利用高度图中物体的轮廓信息和高度信息，对彩色图进行自动标注；以没有生活垃圾的纯传送带背景作为图片模板，通过Copy‑Paste将N个物体随机粘贴到图像模板上，N为整数，生成第一批生活垃圾数据集A1；使用第一批生活垃圾数据集A1对深度学习模型进行训练；使用训练好的深度学习模型对未标注的生活垃圾数据集D进行预测；以带有伪标签的数据集作为图像模板，对第一批生活垃圾数据集A1通过Copy‑Paste进行数据增强生成第二批生活垃圾数据集A2；合并第一批生活垃圾数据集A1和第二批生活垃圾数据集A2，形成合并生活垃圾数据集B1。本发明提出的方法可以生成大量的生活垃圾数据集，快速高效地扩充生活垃圾数据集，有助于深度学习模型的训练，提高生活垃圾识别的准确率。
-
公开(公告)号：CN114429573B
公开(公告)日：2024-09-06
申请号：CN202210022048.7
申请日：2022-01-10
Applicant: 华侨大学
IPC: G06V10/774 , G06V10/22 , G06V10/46 , G06V20/70 , G06V20/10 , G06F16/51 , G06F16/55 , G06F16/583
Abstract: 一种基于数据增强的生活垃圾数据集生成方法，包括：将生活垃圾分作若干批次，并且分批将生活垃圾稀疏放置在传送带上；进行彩色图和高度图的图像采集；利用高度图中物体的轮廓信息和高度信息，对彩色图进行自动标注；以没有生活垃圾的纯传送带背景作为图片模板，将N个物体随机粘贴到图像模板上，生成第一批生活垃圾数据集A1；使用A1对模型进行训练；使用训练好的模型对未标注的生活垃圾数据集D进行预测；带有伪标签的数据集作为图像模板，对A1进行数据增强生成第二批生活垃圾数据集A2；合并A1和A2，形成合并生活垃圾数据集B1。本发明可以生成大量的生活垃圾数据集，快速高效地扩充生活垃圾数据集，有助于模型的训练，提高生活垃圾识别的准确率。
-
公开(公告)号：CN113554068B
公开(公告)日：2023-10-31
申请号：CN202110758660.6
申请日：2021-07-05
Applicant: 华侨大学
IPC: G06V10/774 , G06V10/764 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种实例分割数据集的半自动标注方法、装置及可读介质，通过分别对实例分割模型和图像分类模型进行训练；使用训练好的实例分割模型对图像数据集合中的第一数据集进行预测，得到第一预测结果，基于第一预测结果确定每张图像中包含单个物体的图像，将单个物体的图像输入训练好的图像分类模型，得到第二预测结果，将单个物体的第一预测结果与第二预测结果进行对比，根据比对结果人工纠正每张图像中的单个物体的第一种类和掩膜，得到伪标签实例分割数据集；将人工实例分割数据集和伪标签实例分割数据集混合作为实例分割数据集，对实例分割模型重新训练，得到最终的实例分割模型。本方法使用少量的人工标注数据，成本低并具有较高的精度。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.015 seconds)
