-
公开(公告)号：CN108596244A
公开(公告)日：2018-09-28
申请号：CN201810361740.6
申请日：2018-04-20
IPC分类号： G06K9/62
摘要： 本发明公开了一种基于光谱角度密度峰值的高光谱图像标签噪声检测方法。包括以下步骤：首先利用光谱角度映射器度量每一类中不同训练样本之间的差异程度。其次基于密度峰值聚类算法利用训练样本之间的光谱角度获得每个训练样本的局部密度。然后，基于每一类训练样本的局部密度引入k最近邻域算法作为决策函数来检测并去除噪声标签。最后，利用支持向量机评估所提出的方法针对高光谱图像监督分类中噪声标签检测和去除的有效性。本发明通过光谱角度映射器、密度峰值聚类和k最近邻域的算法特性融合，能够同时有效的提升高光谱监督分类器和监督空谱分类方法的分类精度。此外，该发明还能有效提升在噪声图像的场景分类和训练样本数目少的情况下的分类性能。
-
公开(公告)号：CN116432575A
公开(公告)日：2023-07-14
申请号：CN202310079077.1
申请日：2023-02-08
申请人： 湖南理工学院
IPC分类号： G06F30/337 , G06F30/33 , G06F111/04
摘要： 一种PISA架构芯片内部结构中程序基本块优化排布方法，包括以最小化占用流水线级数为优化目标，在数据依赖、控制依赖和资源限制的复杂约束条件下，基于动态扩增逐层优化调度算法进行建模；在满足程序依赖关系的条件下，构建重要资源优先的基本块调度优先级顺序；采用基于基本块优先级逐层优化策略，当资源受限时进行流水线级数动态扩增，将最小化流水线级数问题转换为最大化各级流水线资源利用率问题；在资源限制条件下，基于动态扩增逐层优化的调度算法解决多约束条件优化问题，求解不同层级下的各级流水线基本块的最优排布方案，获得所有基本块在各级流水线的排布结果。
-
公开(公告)号：CN116012782A
公开(公告)日：2023-04-25
申请号：CN202211661030.8
申请日：2022-12-23
IPC分类号： G06V20/52 , G06V20/40 , G06V10/82 , G06V10/774 , G06V10/12 , G06N3/04 , G06N3/08 , G06N3/084 , G06F16/78 , G06F16/787 , G06F16/783 , H04N7/18
摘要： 本发明属于崩岸治理领域，具体的说是一种机器视觉的崩岸治理监控系统及监控设备，该监控系统包括以下步骤：第一步：搭建室外智能数据采集平台及其网络设备和GPS定位模块，远程控制监控设备监控施工全过程，采集施工视频和定位信息，上传数据中心；第二步：对施工视频预处理，构建施工物料数据集，将数据集输入基于YOLOv5的神经网络中训练，通过前向传播和反向传播算法优化代价函数；第三步：通过训练好的神经网络，判别出重要的过程事件，以时间为索引记录重点堤段的位置发生的重要事件关键帧，保存至数据中心；第四步：在数据库中保存第一和三步中采集到的施工视频和施工关键帧，读取数据中心关键帧和相关信息并以图表报表形式展示。
-
公开(公告)号：CN115327575A
公开(公告)日：2022-11-11
申请号：CN202210348143.6
申请日：2022-03-31
申请人： 湖南理工学院
摘要： 本发明属于崩岸治理领域，具体的说是一种基于水下三维点云数据的崩岸治理施工效果评价系统，步骤一：水下点云数据采集：采集相同崩岸区域施工前与施工后的水下点云数据；步骤二：数据预处理；步骤三：水下点云数据建模对比；步骤四：删除治理前和治理后水下三维模型重合部位，计算施工部分施工量；步骤五：通过与目标检测与跟踪算法得出的实际崩岸治理施工量进行对比，生成崩岸治理施工效果评价报告，通过该崩岸治理施工效果评价系统，实现了通过水下三维点云数据，建立崩岸堤段水下三维模型，对比治理前后水下地形三维模型，计算与对比崩岸治理施工量，生成崩岸治理施工效果评价报告，切实有效的对崩岸治理施工效果进行评价的效果。
-
公开(公告)号：CN111079544B
公开(公告)日：2022-09-16
申请号：CN201911150556.8
申请日：2019-11-21
摘要： 本发明公开了一种基于加权联合最近邻的多任务稀疏表示检测方法，属于图像处理技术领域，一种基于加权联合最近邻的多任务稀疏表示检测方法，包括以下步骤：利用多任务学习技术，构建多任务稀疏表示模型，将所有任务上累积的总重构误差应用于检测目标，得到多任务稀疏表示的检测结果，利用加权联合最近邻方法进行计算，得到加权最近邻的检测结果，将加权最近邻的检测结果和多任务稀疏表示的检测结果相结合，得到最终的检测函数，可以实现通过光谱信息和邻域空间信息同时进行检测，利用多任务学习，联合多个相关的子稀疏表示，得到较好目标检测效果，并且加入了加权联合最近邻算法，提高了对空间信息的利用，使目标检测效果得到了进一步提升。
-
公开(公告)号：CN114926346A
公开(公告)日：2022-08-19
申请号：CN202210767749.3
申请日：2022-07-01
摘要： 本发明公开了一种大尺度堤岸点云数据拼接融合方法，包括：获取堤岸待拼接图像，对待拼接图像的相邻帧图像进行处理，获得点云数据；基于点云数据进行特征点的检测与匹配，获得点云重复局部特征；基于点云重复局部特征对待拼接图像进行图像框架对齐后，寻找最优拼接缝进行图像融合。利用本发明提供的点云拼接方法，相对于基于传统ICP算法的拼接方法，其具有更高的准确性和更好的计算速度，能够达到快速高效的大尺度堤岸点云数据拼接目的。
-
公开(公告)号：CN113128126B
公开(公告)日：2022-06-10
申请号：CN202110455031.6
申请日：2021-04-26
申请人： 湖南理工学院
摘要： 本发明属于浮选加药技术领域，具体来说是一种基于生成对抗网络的浮选加药过程的建模方法，其充分利用了生成对抗网络强大的图像生成能力，通过图像判别网络计算加药过程中泡沫图像变化前后的特征差异，同时利用浮选加药量和预测加药后泡沫图像之间的互信息最大化来建模加药量和泡沫图像之间的关联关系；模型训练过程，利用加药后泡沫图像预测网络和泡沫图像判别网络之间的对抗博弈，实现两者性能的提升，最终预测网络能基于初始泡沫图像以及加药调节前后的浮选药剂添加量，实现加药后泡沫图像的准确预测。
-
公开(公告)号：CN113128126A
公开(公告)日：2021-07-16
申请号：CN202110455031.6
申请日：2021-04-26
申请人： 湖南理工学院
摘要： 本发明属于浮选加药技术领域，具体来说是一种基于生成对抗网络的浮选加药过程的建模方法，其充分利用了生成对抗网络强大的图像生成能力，通过图像判别网络计算加药过程中泡沫图像变化前后的特征差异，同时利用浮选加药量和预测加药后泡沫图像之间的互信息最大化来建模加药量和泡沫图像之间的关联关系；模型训练过程，利用加药后泡沫图像预测网络和泡沫图像判别网络之间的对抗博弈，实现两者性能的提升，最终预测网络能基于初始泡沫图像以及加药调节前后的浮选药剂添加量，实现加药后泡沫图像的准确预测。
-
公开(公告)号：CN108108746B
公开(公告)日：2021-04-09
申请号：CN201710823771.4
申请日：2017-09-13
申请人： 湖南理工学院
摘要： 在车牌字符识别的某些场合中，获得的字符通常存在切割不均匀、光照对比度强烈、遮挡严重等强噪声污染。针对被强噪声污染的字符，本发明提出一种基于Caffe深度学习框架的车牌字符识别方法，在Caffe框架下搭建卷积神经网络，并对网络参数训练获得了一个鲁棒性强、识别精度高的网络结构，同时，通过对训练样本和识别图像进行缩放处理、倾斜纠正、归一化处理，解决了现有的车牌字符识别方法中对倾斜、噪声、相近字符识别精度不高的问题，大大提高了对于车牌字符的识别精度。
-
公开(公告)号：CN111986170A
公开(公告)日：2020-11-24
申请号：CN202010821216.X
申请日：2020-08-14
申请人： 湖南理工学院 , 湖南拓视觉信息技术有限公司
摘要： 本发明公开了一种基于深度神经网络Mask R-CNN的缺陷检测算法，属于缺陷检测技术领域，算法的具体步骤为：利用基于ResNet50的特征金字塔网络(FPN)提取特征，利用区域建议网络(RPN)提取缺陷区域的感兴趣区域(ROI)从而得到相应的锚框，利用全卷积神经网络(FCN)对ROI内部的像素类别进行预测以实现缺陷分割，最后通过网络的全连接层实现每个ROI所属类别和相应锚框坐标的预测，针对磁瓦表面缺陷检测场景，该算法对MaskR-CNN中的特征金字塔网络(FPN)做了两点改进：在FPN中增加了C1模块，并取消C1模块特征提取层内的池化层；将CLAHE预处理模块加在FPN的特征提取层之前。实验结果表明，本发明的算法具有较强的泛化能力和鲁棒性，可以对磁瓦图像进行精确的缺陷分割。
-
-
-
-
-
-
-
-
-
搜索结果
67 条记录 (耗时 0.061 秒)
