-
公开(公告)号：CN114913358A
公开(公告)日：2022-08-16
申请号：CN202210493427.4
申请日：2022-05-07
Applicant: 湖南大学
IPC: G06V10/762 , G06V10/74 , G06V10/77 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G01N21/31
Abstract: 本发明公开了一种基于自动编码器的医药高光谱异物检测方法，包括：采集医药生产线上的药物高光谱图像，对图像进行预处理并划分为训练集和测试集；设计多尺度注意块，基于多尺度注意块设计一种带哈希寻址的多尺度注意力机制自动编码器网络，包括编码器、哈希存储模块和解码器；网络相关参数的初始化；对网络进行训练，以优化重构误差，得到训练好的网络，采用医药高光谱测试图像进行测试，完成异物检测。提升了高光谱图像异常检测的准确率和效率。
-
公开(公告)号：CN115561182B
公开(公告)日：2024-09-20
申请号：CN202211398389.0
申请日：2022-11-09
Applicant: 湖南大学
Abstract: 本发明公开一种基于先验图像引导的快照式光谱成像系统重构方法，采用快照式光谱成像系统对目标场景进行拍摄，得到三维高光谱图像和RGB图像；预设快照式光谱成像系统的硬件编码模型，包括硬件编码器和色散棱镜，硬件编码器通过物理编码掩模和色散棱镜的协同作用将三维高光谱图像调制为二维压缩测量值；将RGB图像作为先验图像，设计基于先验图像语义相似度的正则化项，根据正则化项和二维压缩测量值创建三维高光谱图像的重构模型；通过乘法器交替方向算法对三维高光谱图像的重构模型求解，得到重构的三维高光谱图像。该方法在数据保真度上表现出优异的性能。
-
公开(公告)号：CN115810150A
公开(公告)日：2023-03-17
申请号：CN202211587387.6
申请日：2022-12-09
Applicant: 湖南大学
IPC: G06V20/10 , G06V10/52 , G06V10/58 , G06V10/764 , G06N3/0464 , G06N3/084 , G06N3/045
Abstract: 本发明公开了一种基于多尺度空谱特征的病理高光谱图像分类方法，获取病理切片高光谱图像以及对应的像素级标签，对高光谱图像进行预处理，得到高光谱补丁图像和对应的分类标签；搭建多尺度空谱特征分类网络并预设对应网络的损失函数；将预设的训练集输入至搭建好的多尺度空谱特征分类网络进行训练，根据预设的损失函数计算网络的损失值，并反向传播更新网络的网络参数，得到更新后的多尺度空谱特征分类网络；将高光谱补丁图像输入至更新后的多尺度空谱特征分类网络，结合分类标签，输出高光谱补丁图像的分类结果。该分类方法充分利用了空间邻域特征和高光谱特征，通过去除不相关的输入特征和添加正则化缓解使用小规模数据集时的过拟合问题。
-
Patent Agency Ranking
公开(公告)号：CN114862811B
公开(公告)日：2024-09-03
申请号：CN202210544694.X
申请日：2022-05-19
Applicant: 湖南大学
IPC: G06T7/00 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于变分自动编码器的缺陷检测方法，采集产品数据集，对数据集进行划分得到训练集和测试集；将训练集中的图片生成按标签Si打乱的图像块；构建变分自动编码器网络，将打乱后的图像块送入编码器网络得到潜在特征；构建解码器网络，将编码器输出潜在特征输入解码器，辅助求解拼图，捕获全局和局部信息，从而重构出高分辨率图像，结合预设的损失函数对模型反向传播更新网络参数，得到训练好的模型；在测试集上进行测试，完成缺陷检测。实验结果表现了模型优秀的泛化能力以及缺陷检测能力。
-
公开(公告)号：CN114913358B
公开(公告)日：2024-05-10
申请号：CN202210493427.4
申请日：2022-05-07
Applicant: 湖南大学
IPC: G06V10/762 , G06V10/74 , G06V10/77 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08 , G01N21/31
Abstract: 本发明公开了一种基于自动编码器的医药高光谱异物检测方法，包括：采集医药生产线上的药物高光谱图像，对图像进行预处理并划分为训练集和测试集；设计多尺度注意块，基于多尺度注意块设计一种带哈希寻址的多尺度注意力机制自动编码器网络，包括编码器、哈希存储模块和解码器；网络相关参数的初始化；对网络进行训练，以优化重构误差，得到训练好的网络，采用医药高光谱测试图像进行测试，完成异物检测。提升了高光谱图像异常检测的准确率和效率。
-
公开(公告)号：CN116680030A
公开(公告)日：2023-09-01
申请号：CN202310669792.0
申请日：2023-06-07
Applicant: 湖南大学
IPC: G06F9/451 , G06F9/445 , G06F9/448 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种自主学习训练可视化系统及其方法，系统包括可视化模块和封装库，可视化模块包括若干个具有不同功能的可视化子模块，封装库包括网络结构封装库，通过程序调用网络结构封装库，从网络结构封装库中预设的若干个深度神经网络中选取目标网络，从若干个具有不同功能的可视化子模块中选取目标可视化子模块，通过选取的目标可视化子模块对选取的目标网络进行可视化，得到目标网络的可视化结果。该方法可以方便快捷得到各种可视化结果，增强深度学习算法的可解释性，实现神经网络的组态浏览与分析。
-
公开(公告)号：CN115561182A
公开(公告)日：2023-01-03
申请号：CN202211398389.0
申请日：2022-11-09
Applicant: 湖南大学
Abstract: 本发明公开一种基于先验图像引导的快照式光谱成像系统重构方法，采用快照式光谱成像系统对目标场景进行拍摄，得到三维高光谱图像和RGB图像；预设快照式光谱成像系统的硬件编码模型，包括硬件编码器和色散棱镜，硬件编码器通过物理编码掩模和色散棱镜的协同作用将三维高光谱图像调制为二维压缩测量值；将RGB图像作为先验图像，设计基于先验图像语义相似度的正则化项，根据正则化项和二维压缩测量值创建三维高光谱图像的重构模型；通过乘法器交替方向算法对三维高光谱图像的重构模型求解，得到重构的三维高光谱图像。该方法在数据保真度上表现出优异的性能。
-
公开(公告)号：CN114862811A
公开(公告)日：2022-08-05
申请号：CN202210544694.X
申请日：2022-05-19
Applicant: 湖南大学
Abstract: 本发明公开了一种基于变分自动编码器的缺陷检测方法，采集产品数据集，对数据集进行划分得到训练集和测试集；将训练集中的图片生成按标签Si打乱的图像块；构建变分自动编码器网络，将打乱后的图像块送入编码器网络得到潜在特征；构建解码器网络，将编码器输出潜在特征输入解码器，辅助求解拼图，捕获全局和局部信息，从而重构出高分辨率图像，结合预设的损失函数对模型反向传播更新网络参数，得到训练好的模型；在测试集上进行测试，完成缺陷检测。实验结果表现了模型优秀的泛化能力以及缺陷检测能力。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
