-
公开(公告)号：CN114463738B
公开(公告)日：2024-11-22
申请号：CN202111585183.4
申请日：2021-12-22
Applicant: 华南农业大学
IPC: G06V20/68 , G06V20/52 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明针对现有技术的局限性，提出了一种基于深度学习的常见农作物多类别虫害识别方法，其对深度学习模型DenseNet卷积神经网络进行了改进，通过集成学习结合了选择性内核单元、表征批规范化模块以及自适应激活函数ACON，使该卷积神经网络能够根据网络的输入，自适应调整感受野的大小，捕捉不同尺寸的目标；减少输入信息的噪声，增强输入信息的特征，让特征服从稳定的分布；还增强了网络的综合表现；使得DenseNet卷积神经网络能够有效处理多农作物品种、多虫害类型的数据集，提高了训练后所得虫害识别模型对农作物虫害的识别率，在实际应用过程中能很好的满足真实环境的要求。
-
Patent Agency Ranking
公开(公告)号：CN114708538B
公开(公告)日：2024-07-26
申请号：CN202210379365.4
申请日：2022-04-12
Applicant: 华南农业大学
IPC: G06V20/40 , G06V20/17 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0499 , G06N3/084 , G06N3/096 , G06N3/045 , G06T7/73
Abstract: 本发明公开了一种基于无人机的红火蚁蚁巢检测定位方法，包括：构建红火蚁蚁巢数据集；搭建特征提取网络，所述特征提取网络采用改进后的SSD网络；将特征提取网络连接特征强化网络，构建SSD‑特征强化网络；利用红火蚁蚁巢数据集，对SSD‑特征强化网络架构采用迁移学习的方法进行训练，得到训练好的红火蚁蚁巢检测模型；将整个红火蚁蚁巢检测模型移植到无人机内部，无人机在预设的飞行高度飞行时获取实时视频流，截取视频流中每帧图像，利用红火蚁蚁巢检测模型对每帧图像进行红火蚁蚁巢检测，输出红火蚁蚁巢位置信息和分布图。本方法能高效、准确地检测出红火蚁蚁巢，提高野外勘探效率，实现蚁巢检测的智能化。
-
公开(公告)号：CN114743234B
公开(公告)日：2024-05-03
申请号：CN202210175799.2
申请日：2022-02-25
Applicant: 华南农业大学
IPC: G06V40/16 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/084 , G06N3/0499
Abstract: 本发明公开了一种基于深度学习的人脸口罩高效识别方法，包括：首先构建嵌入空间数据库，其中存储有人脸特征向量的嵌入空间；在需要识别的场景中采集人脸图像，将采集的每张人脸图像先通过并行网络进行降维，得到降维后的特征图；将降维后的特征图输入训练好的人脸检测模型中，得到检测后的特征图；再将检测后的特征图输入到训练好的人脸口罩分类模型中进行分类，将分类后的特征图输入到三元网络，得到更加细化的人脸特征向量以及人脸特征向量的嵌入空间；再将所述人脸特征向量输入到多层感知器中，进行人脸特征向量的多层感知与读取，最终通过将人脸特征向量的嵌入空间与所述嵌入空间数据库中已有的嵌入空间进行对比得到人脸识别结果。
-
公开(公告)号：CN114743234A
公开(公告)日：2022-07-12
申请号：CN202210175799.2
申请日：2022-02-25
Applicant: 华南农业大学
IPC: G06V40/16 , G06N3/04 , G06N3/08 , G06V10/82 , G06V10/764
Abstract: 本发明公开了一种基于深度学习的人脸口罩高效识别方法，包括：首先构建嵌入空间数据库，其中存储有人脸特征向量的嵌入空间；在需要识别的场景中采集人脸图像，将采集的每张人脸图像先通过并行网络进行降维，得到降维后的特征图；将降维后的特征图输入训练好的人脸检测模型中，得到检测后的特征图；再将检测后的特征图输入到训练好的人脸口罩分类模型中进行分类，将分类后的特征图输入到三元网络，得到更加细化的人脸特征向量以及人脸特征向量的嵌入空间；再将所述人脸特征向量输入到多层感知器中，进行人脸特征向量的多层感知与读取，最终通过将人脸特征向量的嵌入空间与所述嵌入空间数据库中已有的嵌入空间进行对比得到人脸识别结果。
-
公开(公告)号：CN114708538A
公开(公告)日：2022-07-05
申请号：CN202210379365.4
申请日：2022-04-12
Applicant: 华南农业大学
IPC: G06V20/40 , G06V20/17 , G06V10/40 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/73
Abstract: 本发明公开了一种基于无人机的红火蚁蚁巢检测定位方法，包括：构建红火蚁蚁巢数据集；搭建特征提取网络，所述特征提取网络采用改进后的SSD网络；将特征提取网络连接特征强化网络，构建SSD‑特征强化网络；利用红火蚁蚁巢数据集，对SSD‑特征强化网络架构采用迁移学习的方法进行训练，得到训练好的红火蚁蚁巢检测模型；将整个红火蚁蚁巢检测模型移植到无人机内部，无人机在预设的飞行高度飞行时获取实时视频流，截取视频流中每帧图像，利用红火蚁蚁巢检测模型对每帧图像进行红火蚁蚁巢检测，输出红火蚁蚁巢位置信息和分布图。本方法能高效、准确地检测出红火蚁蚁巢，提高野外勘探效率，实现蚁巢检测的智能化。
-
公开(公告)号：CN114463738A
公开(公告)日：2022-05-10
申请号：CN202111585183.4
申请日：2021-12-22
Applicant: 华南农业大学
Abstract: 本发明针对现有技术的局限性，提出了一种基于深度学习的常见农作物多类别虫害识别方法，其对深度学习模型DenseNet卷积神经网络进行了改进，通过集成学习结合了选择性内核单元、表征批规范化模块以及自适应激活函数ACON，使该卷积神经网络能够根据网络的输入，自适应调整感受野的大小，捕捉不同尺寸的目标；减少输入信息的噪声，增强输入信息的特征，让特征服从稳定的分布；还增强了网络的综合表现；使得DenseNet卷积神经网络能够有效处理多农作物品种、多虫害类型的数据集，提高了训练后所得虫害识别模型对农作物虫害的识别率，在实际应用过程中能很好的满足真实环境的要求。
-
-
-
-
-
Search Results
6
records
(took 0.028 seconds)
