-
公开(公告)号：CN118968562A
公开(公告)日：2024-11-15
申请号：CN202411197425.6
申请日：2024-08-29
申请人： 鲁东大学
摘要： 本发明涉及一种基于改进注意力机制的密集稚鲍遮挡恢复方法，属于计算机视觉技术领域。一种基于改进注意力机制的密集稚鲍遮挡恢复方法，包括建立鲍鱼幼苗数据集、建立模型和训练模型；所述建立鲍鱼幼苗数据集中，将数据集分为测试集和训练集，其特殊之处在于：将所述训练集的鲍鱼幼苗数据输入建立模型中，获得最终模型；所述建立模型：通过骨干网络提取特征，获得掩码大致轮廓，再通过特征重校准模块实现特征重校准的协调注意力分割模块，输出细化轮廓后的鲍鱼幼苗图片，得到密集稚鲍图像分割模型；训练模块对获得的密集稚鲍图像分割模型进行训练。本申请的方案具有更精确的鲍鱼幼苗位置信息，更有利于提高遮挡恢复的准确率。
-
公开(公告)号：CN118609170A
公开(公告)日：2024-09-06
申请号：CN202411080516.1
申请日：2024-08-08
申请人： 鲁东大学
摘要： 本发明涉及利用横向跨尺度融合查询矩阵检测鲍鱼幼苗的方法及装置，属于计算机视觉技术领域。具体方法为，包括建立鲍鱼幼苗数据集，将鲍鱼幼苗数据集分为测试集和训练集，将训练集输入横向跨尺度查询矩阵融合鲍鱼幼苗检测算法中，所述横向跨尺度查询矩阵融合鲍鱼幼苗检测算法具体为：建立模型、训练模型；所述建立模型，包括一个对输入图片进行初步特征提取的骨干网络，骨干网络从多尺度提取图片特征信息，并将信息输送到特征金字塔FPN模块，骨干网络提取的不同尺度的图片信息输送到相应层级的FPN模块中，每个层级的FPN模块对应的设置一个DGAM模块，DGAM模块进一步处理图片信息后，将处理后的信息输入到HEAD模块中进行信息处理，输出检测结果。
-
公开(公告)号：CN114863263B
公开(公告)日：2022-09-13
申请号：CN202210796234.6
申请日：2022-07-07
申请人： 鲁东大学
IPC分类号： G06V20/05 , G06V10/40 , G06V10/762 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 本发明涉及基于跨尺度分层特征融合对类内遮挡的乌鳢检测的方法，属于深度学习技术领域。本申请的方法，包括图像采集、图像处理及网络模型；采集后的图像进行标注，调整图像尺寸得到输入图像，输入到目标检测网络，经过卷积整合，插入跨尺度分层特征融合模块，其特征在于，将输入跨尺度分层特征融合模块的所有特征分为n层，共由s个特征映射子集组成，每个特征映射子集都会与其他特征映射子集进行特征上的融合，最后进行连接，实现完整的信息融合，经卷积操作后，输出训练结果；然后利用损失函数进行网络参数调整，经过多次训练迭代后，得到适用于网络模型的参数；最后将输出的候选框输入到非极大值抑制模块，筛选正确预测框，得到预测结果。
-
公开(公告)号：CN109933575B
公开(公告)日：2021-04-27
申请号：CN201910151584.5
申请日：2019-02-28
申请人： 鲁东大学
IPC分类号： G06F16/21 , G06F16/27 , G06F16/2458
摘要： 本发明实施例提供一种监测数据的存储方法及装置，其中方法包括：接收监测终端实时采集的监测数据并作为目标数据，若确定迁移标志位处于锁定状态，则将目标数据存储至临时数据库，并生成贝叶斯网络模型；根据贝叶斯网络模型计算redis数据库中各监测数据在未来时间段的搜索概率，并组成迁移数据集合，将迁移数据集合迁移至Hbase数据库中，将迁移标志位更新为非锁定状态，之后将临时数据库中存储的监测数据转移至redis数据库，若判断redis数据库的可用存储容量低于第二预设阈值，则将迁移标志位更新为锁定状态。本发明实施例能够及时有效地进行海量级数据的存储和查询访问能力，可实现数据实时与历史数据的区分，进一步提升实时数据检索效率。
-
公开(公告)号：CN109992171A
公开(公告)日：2019-07-09
申请号：CN201910242322.X
申请日：2019-03-28
申请人： 鲁东大学
IPC分类号： G06F3/0481 , G06K9/00 , G06N3/08 , G06N3/04
摘要： 本发明实施例提供一种人体行为识别方法及装置，其中方法包括：提供图形用户界面GUI，GUI用于展示控制面板和显示面板，控制面板中包括加载网络按钮、加载图像按钮以及识别按钮，显示面板用于显示待识别的图像和行为识别结果；若监测到触发加载网络按钮，则加载预先训练的GoogLeNet模型；若在加载GoogLeNet模型后，监测到触发加载图像按钮，则在接收到待识别的图像后，将图像显示在显示面板中；若图像显示在显示面板后，监测到触发识别按钮，则将待识别的图像输入至GoogLeNet模型，输出行为识别结果，将行为识别结果显示在显示面板中。本发明实施例构建GUI能够更直观地展示人体行为识别的过程，并且在应用时只需加载一次模型即可实现重复识别的目的。
-
公开(公告)号：CN108962393A
公开(公告)日：2018-12-07
申请号：CN201810451719.5
申请日：2018-05-12
申请人： 鲁东大学
摘要： 本发明公开了一种基于压缩图神经网络的自动心律失常分析方法，它包括：两种采样方式生成多通道心电图样本；所得600维心电信号沿第二个维度拼接，原始心电信号为两导联时，等效为4*600*1维心电信号样本，将四个通道的输入信号输入到合并层中合并，输出600*4维信号。在合并层单元和卷积层单元间有图像编码层用于将心电信号由一维编码为二维图像。图像编码层后串联三层卷积层单元；卷积层单元包括使用二维卷积提取二维心电信号编码图片特征的卷积层以及依次串联的一激励单元操作和一池化层操作；串联一个激励单元为softmax的全连接层；输出；学习深度神经网络的参数，对样本进行自动识别；解决了现有心律失常分析系统尚不足以满足临床应用的准确率需求的问题。
-
公开(公告)号：CN118609170B
公开(公告)日：2024-10-18
申请号：CN202411080516.1
申请日：2024-08-08
申请人： 鲁东大学
摘要： 本发明涉及利用横向跨尺度融合查询矩阵检测鲍鱼幼苗的方法及装置，属于计算机视觉技术领域。具体方法为，包括建立鲍鱼幼苗数据集，将鲍鱼幼苗数据集分为测试集和训练集，将训练集输入横向跨尺度查询矩阵融合鲍鱼幼苗检测算法中，所述横向跨尺度查询矩阵融合鲍鱼幼苗检测算法具体为：建立模型、训练模型；所述建立模型，包括一个对输入图片进行初步特征提取的骨干网络，骨干网络从多尺度提取图片特征信息，并将信息输送到特征金字塔FPN模块，骨干网络提取的不同尺度的图片信息输送到相应层级的FPN模块中，每个层级的FPN模块对应的设置一个DGAM模块，DGAM模块进一步处理图片信息后，将处理后的信息输入到HEAD模块中进行信息处理，输出检测结果。
-
公开(公告)号：CN115937526A
公开(公告)日：2023-04-07
申请号：CN202310224105.4
申请日：2023-03-10
申请人： 鲁东大学
IPC分类号： G06V10/26 , G06V10/52 , G06V10/54 , G06V10/24 , G06V10/80 , G06N3/08 , G06T7/00 , G06N3/045 , G06N3/0464 , G06V10/82
摘要： 本发明提供了基于搜索识别网络的双壳贝类性腺区域分割方法，包括：获取双壳贝类数据集；构建多效特征融合的搜索识别模型；所述搜索识别模型包括：搜索模型和识别模型；将所述数据集中的图像输入所述搜索模型进行性腺区域目标定位，获取含有目标对象的图像；将所述含有目标对象的图像输入所述识别模型进行识别分割，获取完整的性腺分割图像，完成双壳贝类性腺区域分割。与传统的破坏外壳抽取内部组织来观测性腺发育情况的方法相比，本发明在无损伤核磁检测基础上针对灰度图像进行一定的分割，从而为以后利用当下现有技术融合进行水产养殖的应用奠定了基础。
-
公开(公告)号：CN112950591B
公开(公告)日：2022-10-11
申请号：CN202110242502.5
申请日：2021-03-04
申请人： 鲁东大学
摘要： 本发明公开了一种用于卷积神经网络的滤波器裁剪方法，通过对过滤器进行重要度计算和排序，裁剪掉重要度较低的过滤器，然后计算层中各过滤器之间的正交性度量，选择正交性相对小的相关过滤器，裁剪掉其中重要度排名较低的过滤器，并重新初始化裁剪后的过滤器。由此，本发明的滤波器裁剪方法抑制特征之间的相关性，更关注正交特征，捕获激活空间中的不同方向，提升分类模型的泛化能力。本发明还公开了一种贝类自动分类系统，特别是针对高相似度贝类识别难的问题，提高高相似度贝类的自动分类的准确性。
-
公开(公告)号：CN114782759B
公开(公告)日：2022-09-13
申请号：CN202210709818.5
申请日：2022-06-22
申请人： 鲁东大学
IPC分类号： G06V10/764 , G06V10/774 , G06V10/22 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明涉及一种基于YOLOv5网络对密集遮挡鱼类的检测方法，属于鱼类图像技术领域。包括数据集建立与处理部分、模型训练部分和模型测试部分；所述数据集建立与处理部分包括鱼类图片数据的收集、鱼类图片数据标注以及数据划分；所述数据划分是将数据划分为训练集、验证集和测试集；其特征在于，所述模型训练部分通过使用损失函数计算模型输出的训练预算结果，得到训练预算结果的误差，更新模型的神经网络中的参数，以提高模型的精确度；所述损失函数为改进的损失函数，在YOLOv5算法中引入改进的排斥力损失函数来增强模型检测密集遮挡鱼类的能力。本发明对鱼类密集遮挡情况下的检测准确率提升较大，鱼类漏检数量大大减少。
-
-
-
-
-
-
-
-
-
搜索结果
53 条记录 (耗时 0.023 秒)
