-
公开(公告)号：CN118096635A
公开(公告)日：2024-05-28
申请号：CN202211503049.X
申请日：2022-11-28
Applicant: 河海大学
IPC: G06T7/00 , G06V10/26 , G06V10/58 , G06V10/77 , G06V10/80 , G06V10/40 , G06V20/69 , G06V10/82 , G06N3/0455 , G06N3/048
Abstract: 本发明公开了一种空谱联合的显微高光谱图像智能化分割方法，首先对原始胆管癌显微高光谱图像进行预处理，接着通过空谱联合的编码器模块提取高光谱图像的丰富的空间‑光谱特征并进行融合，在瓶颈模块通过串联不同膨胀率的非对称卷积核与通道注意力实现自适应感受野的特征提取，精细化提取图像的尺寸特征，引入特征融合模块融合编码器中不同分辨率特征图的低级特征和高级特征，捕获更多细节和语义信息。本发明提出的算法在真实的医学胆管癌显微高光谱图像数据集上的实验结果证明了模型的可靠性和鲁棒性。
-
公开(公告)号：CN113623118A
公开(公告)日：2021-11-09
申请号：CN202110884346.2
申请日：2021-08-03
Applicant: 河海大学
IPC: F03B13/06
Abstract: 本发明公开了一种适用于小型抽水蓄能电站的水泵水轮机，蜗壳、固定导叶、活动导叶、转轮和尾水管的外壳各自通过螺栓相连成一个整体；2个轴承分别安装在固定导叶和活动导叶适配处,以提供旋转轴的支撑；转轮叶片调节机构处于机组转轮内部，活动导叶叶片调节机构处于机组外部。本发明在水轮机工况，经压力管道有压水体流过蜗壳、导叶区流道、经导叶叶片以一定角度进入转轮区，冲击转轮并带动轴系旋转，将水流的能量转变成旋转的机械能；水泵工况相反；本发明的水泵水轮机结构独特、紧凑、体积小，占用空间较小，能实现正向发电、反向抽水的功能，正反向效率均在84%以上。
-
公开(公告)号：CN113569660A
公开(公告)日：2021-10-29
申请号：CN202110763834.8
申请日：2021-07-06
Applicant: 河海大学
Abstract: 本发明公开了一种用于高光谱影像分类的学习率优化算法折扣系数法，涉及遥感图像处理技术领域，包括如下步骤：获取高光谱图像数据；对高光谱图像数据进行预处理，得到训练集样本；将训练集样本输入卷积神经网络模型进行训练；在训练过程中对卷积神经网络模型的学习率进行修正；重复训练直至达到训练轮次要求。本发明通过提供一种用于高光谱影像分类的学习率优化算法折扣系数法，基于高光谱图像数据实现了对高光谱图像分类模型的建立，且在训练过程中对学习率进行修正，实现了对高光谱图像分类模型的优化，提高了分类模型的训练的效率和最终的性能。
-
公开(公告)号：CN113623118B
公开(公告)日：2022-11-08
申请号：CN202110884346.2
申请日：2021-08-03
Applicant: 河海大学
IPC: F03B13/06
Abstract: 本发明公开了一种适用于小型抽水蓄能电站的水泵水轮机，蜗壳、固定导叶、活动导叶、转轮和尾水管的外壳各自通过螺栓相连成一个整体；2个轴承分别安装在固定导叶和活动导叶适配处,以提供旋转轴的支撑；转轮叶片调节机构处于机组转轮内部，活动导叶叶片调节机构处于机组外部。本发明在水轮机工况，经压力管道有压水体流过蜗壳、导叶区流道、经导叶叶片以一定角度进入转轮区，冲击转轮并带动轴系旋转，将水流的能量转变成旋转的机械能；水泵工况相反；本发明的水泵水轮机结构独特、紧凑、体积小，占用空间较小，能实现正向发电、反向抽水的功能，正反向效率均在84%以上。
-
公开(公告)号：CN110543883A
公开(公告)日：2019-12-06
申请号：CN201910796213.2
申请日：2019-08-27
Applicant: 河海大学
Abstract: 本发明开发了一种基于深度学习的车牌识别方法，首先在Python环境下利用车牌颜色特征和Sobel算子对车牌进行区域检测定位，然后通过一种结合传统的垂直投影法和模板匹配法的字符分割算法将车牌区域进行字符分割，最后在Python环境下搭建出一个多层卷积神经网络模型，使用大量训练集字符样本图像对模型进行训练，得到了一个识别准确率较高的识别模型对车牌字符进行识别。
-
Patent Agency Ranking
公开(公告)号：CN118675041A
公开(公告)日：2024-09-20
申请号：CN202310251365.0
申请日：2023-03-15
Applicant: 河海大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种轻量级高光谱图像分类方法，包括：构建整体网络，包括3D分组多尺度特征提取网络和2D分组多尺度特征提取网络，进行多尺度特征提取，提取到高光谱图像层次化的特征；3D分组多尺度特征提取网络包括分组卷积和3D深度可分离卷积，将通道进行分组，在保持网络分类性能的同时降低网络参数；2D分组多尺度特征提取网络包括注意力机制模块和2D深度可分离网络，注意力模块通过压缩和激活操作，以选择性地强调光谱信息特征并重新校准光谱特征响应；将改进的残差网络模块和2D深度可分离模块进行融合，以构建具有突出泛化能力的网络结构；将输出结果经过全局池化层送入分类器中进行最终分类，并输出结果。本发明通过将3D分组特征提取模块和2D分组特征提取模块进行串行处理来同时获取丰富的空间‑光谱特征，并通过引入分组卷积和深度可分离卷积来达到网络轻量化的效果，在提高分类精度的同时保证了较低的网络参数。
-
公开(公告)号：CN117788875A
公开(公告)日：2024-03-29
申请号：CN202211154489.9
申请日：2022-09-21
Applicant: 河海大学
IPC: G06V10/764 , G06V10/82 , G06V20/10 , G06V10/40 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种混合变换的高光谱影像分类方法，主体为卷积神经网络(Convolutional Neural Network，CNN)和光谱变换Transformer模块联合特征提取网络，首先通过CNN特有归纳偏置特性获取图像的局部特征，随后通过光谱变换Transformer模块中的多头注意力对输入高光谱影像的序列光谱全局特征依赖建模，改善CNN网络感受野局限导致无法获取图像全局特征的问题，并且将CNN提取的浅、深层局部特征与经过光谱变换Transformer模块获取到的光谱全局特征相融合，并采用了残差连接的方式来缓解网络训练可能产生的梯度消失问题并加快训练速度，提高特征提取效率，实验结果证明本模型有效改善了分类精度，保证了良好稳定的分类效果。
-
公开(公告)号：CN113034678A
公开(公告)日：2021-06-25
申请号：CN202110347485.1
申请日：2021-03-31
Applicant: 河海大学
Abstract: 本发明公开了一种基于群体智能的特高拱坝坝面三维快速建模方法，步骤包括数据准备、数据传输和模型构建，数据准备包括信息采集单元和飞行控制单元，数据传输包括无线传输单元，模型构建包括数据处理单元和三维建模单元。无人机将数据采集单元采集的像控点数据、无人机航摄数据和地面拍摄数据通过无线传输单元发送给数据处理单元，经过数据处理和配准后，利用Context Capture软件，全自动构建特高拱坝三维实景模型。本发明将无人机倾斜摄影技术和三维激光扫描仪技术相结合，将无人机数据采集与三维建模实时进行，三维建模效率快、准确性高。
-
公开(公告)号：CN112836666A
公开(公告)日：2021-05-25
申请号：CN202110188805.3
申请日：2021-02-19
Applicant: 河海大学
Abstract: 本发明公开了一种高光谱图像分类识别方法，属于高光谱遥感图像处理技术领域，首先对原始高光谱遥感影像进行预处理，有效保留包含信息最多的光谱波段，其次通过三维卷积网络和注意力机制对图像不同侧重点的特征分三阶段提取，具体来说特征分为光谱特征，空间特征和空谱特征三类，同时通过循环神经网络提取多尺度特征并保留特征间的联系，最后进行分类。
-
公开(公告)号：CN118212514A
公开(公告)日：2024-06-18
申请号：CN202211567931.0
申请日：2022-12-07
Applicant: 河海大学
IPC: G06V20/10 , G06V10/762 , G06V10/82 , G06N3/08 , G06N3/048 , G06N3/0464
Abstract: 本发明公开了一种用于高光谱图像目标检测的波段智能选择方法，属于遥感图像处理领域。所述方法包括：对原始高光谱图像通过交替局部‑全局重建网络的测试和训练，得到重赋权重的高光谱图像，并对其利用基于皮尔逊相关系数矩阵和K‑Means聚类的相关性度量策略，选择出相互之间差异大且具有代表性的关键波段子集，最后根据波段子集获得波段选择后的高光谱图像，并运用传统高光谱目标检测器对其进行目标/异常检测。采用本发明，能够选出高光谱图像中包含目标/异常关键光谱的代表性波段，有效地减少背景像素对检测过程的干扰，促进后续检测器的目标检测与突出，并最终提高检测性能。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.032 seconds)
