公开(公告)号：CN115730654B

公开(公告)日：2024-05-14

申请号：CN202211476624.1

申请日：2022-11-23

Applicant: 湖南大学

Inventor： 方乐缘 ,  吴洁 ,  朱定舜

IPC: G06N3/082 ,  G06N3/0464 ,  G06N3/048 ,  G06V10/82 ,  G06V10/774 ,  G06V20/10

Abstract: 本发明新型公开了一种层剪枝方法，包括确定目标网络模型和训练数据集；采用训练数据集训练目标网络模型得到基础网络模型；对基础网络模型等价替换得到解耦网络模型；采用训练数据集训练解耦网络模型；等价解耦训练后的解耦网路模型并确定卷积层及参数；采用卷积层及参数进行合并处理，完成目标网络模型的层剪枝。本发明还公开了一种包括所述层剪枝方法的厨余垃圾检测检测方法以及包括所述层剪枝方法的遥感图像车辆检测方法。本发明具有模型压缩率高、不下降性能、可靠性好的优点。

公开(公告)号：CN114913441B

公开(公告)日：2024-04-16

申请号：CN202210738608.9

申请日：2022-06-28

Applicant: 湖南大学

Inventor： 方乐缘 ,  朱定舜 ,  吴洁

IPC: G06V20/17 ,  G06V10/25 ,  G06V10/774 ,  G06V10/82 ,  G06V20/54 ,  G06N3/0464 ,  G06N3/0495 ,  G06N3/082

Abstract: 本发明公开了一种通道剪枝方法，包括确定目标网络模型；训练目标网络模型得到基础网络模型；将基础网络模型的卷积层等价解耦得到基础网络解耦模型；训练基础网络解耦模型得到解耦模型；确定最终能够被压缩的通道和保留的通道；对解耦模型进行等价合并得到通道剪枝后的网络模型，完成最终的通道剪枝。本发明还公开了一种包括所述通道剪枝方法的目标检测方法，以及包括所述目标检测方法的遥感图像车辆检测方法。本发明将模型中的卷积层等价解耦为原卷积和结构卷积的级联，分开训练并等价合并为原网络，最后根据结构卷积中的参数进行通道的裁剪；因此本发明方法不仅能够保持模型原有精度，而且压缩率高、可靠性好。

公开(公告)号：CN115205521B

公开(公告)日：2024-03-26

申请号：CN202210946678.3

申请日：2022-08-09

Applicant: 湖南大学

Inventor： 方乐缘 ,  欧阳立韩

IPC: G06V10/25 ,  G06N3/0455 ,  G06N3/0895 ,  G06N3/084 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种基于神经网络的厨余垃圾检测方法，包括获取已经进行标注后的厨余垃圾图像数据集并增强；基于Transformer神经网络和原型对比学习算法构建厨余垃圾检测初始模型并训练得到厨余垃圾检测模型；采用厨余垃圾检测模型进行实际的厨余垃圾检测。本发明具有较强的实际应用价值；通过引入原型对比学习，在模型学习分类任务和回归任务的同时学习类别原型特征，增大异类原型和样本特征间距，减小同类原型和样本特征间距，使网络能够提取更具有区分意义的类别特征；在类别原型学习的基础上，通过损失函数监督增大类别原型间距，使模型能够学习到更优的类别原型，提升生活厨余垃圾检测精度；而且可靠性高、精确性好。

公开(公告)号：CN116188774B

公开(公告)日：2024-03-22

申请号：CN202211604458.9

申请日：2022-12-13

Applicant: 湖南大学

Inventor： 方乐缘 ,  蒋一帆 ,  岳俊

IPC: G06V10/26 ,  G06V20/10 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/80

Abstract: 本发明公开了一种高光谱图像实例分割方法，包括获取实例标注后的高光谱图像数据集并处理得到训练数据集；构建高光谱图像实例分割初始模型并采用训练数据集进行训练得到高光谱图像实例分割模型；采用高光谱图像实例分割模型对实际获取的高光谱图像进行实例分割。本发明还公开了一种包括所述高光谱图像实例分割方法的建筑实例分割方法。本发明通过卷积注意力模块和光谱‑空间特征金字塔网络实现多尺度的空谱特征融合，使得网络模型具有同时利用光谱特征和空间特征的优势，提高模型的分割结果；而且本发明方法的计算过程不会占用过多的计算资源，可靠性高、准确性好且适用范围广。

公开(公告)号：CN116777843B

公开(公告)日：2024-02-27

申请号：CN202310606583.1

申请日：2023-05-26

Applicant: 湖南大学

Inventor： 方乐缘 ,  丁帅予 ,  冯浩 ,  汤琳

IPC: G06T7/00 ,  G06N3/084 ,  G06V10/764 ,  G06V10/766 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种基于动态非极大值抑制的厨余垃圾检测方法及系统，将厨余垃圾训练集按单张图像输入至预先训练好的目标检测网络并结合不同的NMS交并比阈值进行测试，得到单张图像的DNMS值；获取厨余垃圾训练集中单张图像的目标数目Ni、同类别目标平均中心点间距离Di，构建单张图像的DNMS值与Ni、Di之间的映射关系式；搭建NMS回归网络，并结合目标检测网络构建厨余垃圾检测网络，将Ni、Di作为标签，使用标签和厨余垃圾训练集对厨余垃圾检测网络进行训练，得到厨余垃圾检测模型；将厨余垃圾待检测图像输入厨余垃圾检测模型，并结合映射关系(56)对比文件申新杰;兰浩;曾渝.基于AGAST角点域特征的垃圾识别算法.电脑知识与技术.2020,(第20期),全文.

公开(公告)号：CN117192965A

公开(公告)日：2023-12-08

申请号：CN202311155718.3

申请日：2023-09-08

Applicant: 湖南大学

Inventor： 江未来 ,  蔡田青 ,  周思超 ,  郑成宏 ,  方乐缘 ,  汤琳 ,  王耀南

IPC: G05B11/42

Abstract: 本发明公开了一种基于PSO的垃圾压缩控制器PID参数优化方法，根据控制器的参数定义目标函数，预设粒子群并随机初始化，得到控制器的参数集，预设个体最优适应度初始值和迭代次数，根据目标函数计算控制器参数集中每个参数在每次迭代过程中的个体适应度值，并将其和预设的个体最优适应度初始值进行比较和迭代，得到每个参数在每次迭代后的个体最优适应度值，并计算每个粒子的个体最优位置向量；将每个参数经过预设迭代次数后的个体最优适应度值和预设的全局最优适应度初始值进行比较，选出粒子群的全局最优适应度值，由此得出控制器优化后的参数。该方法可使控制器的响应速度更快、稳定性更高。

公开(公告)号：CN113763396B

公开(公告)日：2023-07-25

申请号：CN202111028054.5

申请日：2021-09-02

Applicant: 中国农业科学院农业信息研究所 ,  湖南大学

Inventor： 方乐缘 ,  孙伟 ,  黄来锋 ,  罗元 ,  孙斌 ,  李树涛 ,  张峭 ,  赵思建

IPC: G06T7/11 ,  G06V10/44 ,  G06V10/82 ,  G06N3/048 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的遥感图像地块提取方法及系统，本发明包括将遥感图像输入完成训练的深度神经网络得到地块边界概率图和地块区域概率图；对地块边界概率图二值化、进行霍夫变换检测直线补充边界，得到地块边界；对地块区域概率图首先进行二值化得到二值化地块区域图，然后将二值化地块区域图基于地块边界进行粘连地块的分离，得到最终的遥感图像地块提取结果。本发明由深度神经网络提取初始地块及地块边界，在提取地块边界的基础上，利用地块的边界先验信息，通过霍夫变换检测边界直线对断开处进行补充完善，最终获得完整闭合的地块边界，从而对粘连地块进行修正分离，达到进一步优化地块结果的目的，有效解决地块粘连问题。

公开(公告)号：CN113591825A

公开(公告)日：2021-11-02

申请号：CN202111168764.8

申请日：2021-10-08

Applicant: 湖南大学

Inventor： 李庆鹏 ,  李亚萍 ,  李智勇 ,  方乐缘 ,  王子安

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06T3/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于超分辨网络的目标搜索重建方法、装置及存储介质，该方法创新地将图像超分辨率重建技术融入目标搜索的框架中。本方法包括以下步骤:将待搜索的视频帧输入到目标搜索网络中进行特征的提取与聚合；利用提取到的特征图进行目标的框定及分类；计算待搜索目标与框定目标特征的相似度进行目标重识别；利用回归坐标将重识别的结果裁剪拷贝，并输入图像超分辨率模块，得到超分辨率的目标图像。本发明以内嵌局部超分辨网络的方式实现了目标搜索任务与目标超分辨率任务，能获得更加丰富的边缘信息和更好的视觉效果，提高监控视频管理者、刑侦人员等在海量监控视频中检索目标对象的效率。

公开(公告)号：CN113255581A

公开(公告)日：2021-08-13

申请号：CN202110684292.5

申请日：2021-06-21

Applicant: 湖南大学

Inventor： 方乐缘 ,  鲁鸣

IPC: G06K9/00 ,  G06K9/20 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种弱监督深度学习水体提取方法、装置、计算机设备和介质，包括构建初始卷积神经网络，获取遥感图像训练集，根据遥感图像训练集对初始卷积神经网络进行训练，得到训练好的卷积神经网络；获取原始遥感图像，通过邻近采样器对原始遥感图像进行邻近采样得到一组邻近图像组；将邻近图像组输入至训练好的卷积神经网络中，得到预测的水体提取概率图组；对预测的水体提取概率图组进行二值化处理得到预测结果组，按照预设的投票原则对预测结果组进行投票确定得到最终的水体提取结果。有效提高水体提取的精度。

公开(公告)号：CN113034506A

公开(公告)日：2021-06-25

申请号：CN202110562979.1

申请日：2021-05-24

Applicant: 湖南大学

Inventor： 方乐缘 ,  周鹏 ,  刘欣鑫

IPC: G06T7/10 ,  G06K9/62 ,  G06K9/46

Abstract: 本发明公开了一种遥感图像语义分割方法、装置、计算机设备和存储介质，包括：获取预处理后的遥感图像，基于特征提取网络层对预处理后的遥感图像进行高频纹理特征和低频语义特征提取作为输入特征集；将低频语义特征引入空间金字塔池化模块进行多尺度池化，得到聚合文本特征；将输入特征集和聚合文本特征引入特征引导对齐模块，根据输入特征集与聚合文本特征的差异得到对齐后的输入特征集；将对齐后的输入特征集和聚合文本特征引入门控特征选择模块进行选择融合，得到对齐融合后的补充特征集；根据补充特征集与聚合文本特征进行拼接融合生成特征，基于预设的功能函数对特征进行处理并对处理后的特征进行预测分类得到最终特征层。有效提高分割精度。