-
公开(公告)号：CN105117795A
公开(公告)日：2015-12-02
申请号：CN201510493867.X
申请日：2015-08-12
Applicant: 安徽大学 , 安徽德林猪场管理有限公司
Abstract: 本发明公开了一种基于蚁群算法的动态饲料组合选择系统和选择方法，属于猪场养殖技术领域。本发明公开了一种基于蚁群算法的饲料组合优化方法，包括以下步骤：在所有待选服务商中，随机选择n种服务商，根据约束条件构成动态组合模型，形成一个满足约束的多目标决策问题；针对模型综合应用蚁群算法进行求解；根据算法所选的寻优方式进行更新，直至所得的组合中的元素的信息素收敛于最优解；输出所述最优解为最终的服务商的选择。通过本发明，实现在猪场养殖的服务商选择过程中对蚁群算法的实际应用，从而为猪场养殖的服务商选择提供了依据，用最小的成本获得最大的吸收率，降低成本，提高收益。
-
公开(公告)号：CN105046701A
公开(公告)日：2015-11-11
申请号：CN201510402217.X
申请日：2015-07-08
Applicant: 安徽大学
Abstract: 本发明一种基于构图线的多尺度显著目标检测方法，以构图线为目标、其余为背景出发，通过多次特征相关性比较逐步更新目标和背景，形成显著图，并通过背景角度的细化、超像素内像素之间差异的矫正及多尺度融合实现显著目标检测，克服现有图像显著目标检测方法未能直接利用目标特征形成显著图的不足。所述构图线定义为摄影构图法则中的三等分构图线、对角构图线、三角形构图线、黄金比例构图线或金色螺线构图线。所述方法以构图线作为目标的初始值，能够充分利用假定已知目标的特征完成显著性计算。
-
公开(公告)号：CN104680546A
公开(公告)日：2015-06-03
申请号：CN201510118787.6
申请日：2015-03-12
Applicant: 安徽大学
IPC: G06T7/00
CPC classification number: G06T7/0002
Abstract: 为克服图像显著目标检测中颜色对比度先验和边界先验单一特征的不足，提供一种图像显著目标检测方法，依据公式S＝(Sc+Sb)·exp(O)，将按颜色对比度先验特征检测图像所形成的显著图Sc和按边界先验特征检测图像所形成的显著图Sb相加，再与整个图像的Objectness特征的指数函数相乘，产生最终的显著图S。所述图像显著目标检测方法充分考虑颜色对比度先验特征与边界先验特征之间的互补性及完整目标Objectness特征的抑制作用，有效提取显著目标。
-
公开(公告)号：CN102622140B
公开(公告)日：2015-05-13
申请号：CN201210061916.9
申请日：2012-03-05
Applicant: 安徽大学
IPC: G06F3/042
Abstract: 一种摄像式多点触摸系统，涉及人机交互领域，其特征是由主机、显示屏幕、两个广角摄像头及图像处理单元组成；所述两个广角摄像头分别设置在所述显示屏幕同侧的两角位置上，所述显示屏幕在两个广角摄像头分别拍摄的两个二维图像上均成为一维线阵图像；所述图像处理单元设置在所述主机中，对两个广角摄像头拍摄的两个二维图像中的一维线阵图像进行处理，计算出触摸点坐标；所述图像处理单元对两个广角摄像头拍摄的除一维线阵外的其他包含触摸物侧面图像的二维图像进行处理，从所述触摸点坐标中消除鬼点，得到真实触摸点坐标；所述主机根据所述图像处理单元获得的真实触摸点坐标执行相应任务。本发明只需两个广角摄像头利用侧面图像消除鬼点。
-
公开(公告)号：CN113658134B
公开(公告)日：2024-08-23
申请号：CN202110939965.7
申请日：2021-08-13
Applicant: 安徽大学
IPC: G06T7/00 , G06T7/33 , G06T5/50 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种多模态对齐校准的RGB‑D图像显著目标检测方法，包括以下步骤：从RGB‑D图像中提取RGB特征和Depth特征；对RGB特征和Depth特征进行对齐校准，产生RGB修正特征和Depth修正特征；从Depth特征中提取边特征，产生边图；联合解码RGB修正特征、Depth修正特征、边特征产生显著图；利用显著图真值、边图真值监督所述边图、显著图，通过训练集的训练，形成RGB‑D图像显著目标检测模型；利用所述RGB‑D图像显著目标检测模型检测任意一张RGB‑D图像，输出显著图为检测结果。所述方法通过对颜色特征和深度特征进行对齐校准减少两种模态之间的差异，实现有效融合，提高检测精度。
-
Patent Agency Ranking
公开(公告)号：CN117237343A
公开(公告)日：2023-12-15
申请号：CN202311498290.2
申请日：2023-11-13
Applicant: 安徽大学
IPC: G06T7/00 , G06N3/0895 , G06V10/44 , G06V10/86
Abstract: 本发明公开了一种半监督RGB‑D图像镜面检测方法，包括以下步骤：S1、有标签图像预热三分支学生网络，学生网络提取RGB图像特征和Depth图像特征，融合形成融合特征；S2、将融合特征、RGB图像特征和Depth图像特征送入三分支解码，获得预测图并利用真值监督；S3、利用教师网络获得无标签图像的伪标签；S4、无标签图像与有标签图像混合获得混合图像；S5、混合图像与有标签图像送入学生网络进行训练；S6、将上述训练得到的最优参数加载进模型，将RGB‑D镜面检测数据集送入模型，得到对应图像的预测结果图，完成RGB‑D图像的镜面检测。本发明减少了RGB‑D图像镜面检测对像素级图像标注的依赖，减少了数据集标注所需要的人工成本与时间成本。
-
公开(公告)号：CN115359331A
公开(公告)日：2022-11-18
申请号：CN202211050886.1
申请日：2022-08-29
Applicant: 安徽大学
Abstract: 本发明公开了一种面向Transformer的多尺度特征增强模块，包括以下步骤：基于原始的特征块序列构造一条Transformer路径；对原始的特征块序列进行不同级别的块合并，构造多条带残差的Transformer路径；对所述S1和S2产生的结果进行级联，降维，产生增强的特征块序列；所述模块通过不同级别的块合并，形成不同尺度的块序列，由多条Transformer路径增强特征感知尺度的能力。
-
公开(公告)号：CN113822855A
公开(公告)日：2021-12-21
申请号：CN202110933152.7
申请日：2021-08-11
Applicant: 安徽大学
Abstract: 本发明公开了一种RGB‑T图像显著目标检测方法，包括以下步骤：从RGB‑T图像中提取RGB特征和Thermal特征，产生对应初始显著图，利用初始显著图增强所述RGB特征和Thermal特征后，实施独立解码，产生RGB和Thermal独立解码特征、独立解码显著图；融合所述RGB和Thermal独立解码特征，形成RGB‑T融合特征后，实施联合解码，产生联合解码显著图；利用显著图真值监督独立解码显著图、联合解码显著图，通过训练数据集的训练，形成RGB‑T图像显著目标检测模型，所述模型检测任意一张RGB‑T图像，输出联合解码显著图。所述方法通过独立解码兼顾RGB颜色图像和Thermal热红外图像各自的独特性，通过联合编码减少RGB颜色图像和Thermal热红外图像二者之间的差异，提高检测性能。
-
公开(公告)号：CN106997478B
公开(公告)日：2020-04-03
申请号：CN201710241323.3
申请日：2017-04-13
Applicant: 安徽大学
Abstract: 本发明公开了一种基于显著中心先验的RGB‑D图像显著目标检测方法，包括基于深度图的显著中心先验和基于RGB图的显著中心先验，基于深度图的显著中心先验：计算RGB图中其他超像素与深度图显著目标中心超像素的深度特征欧式距离，以此作为显著权重加强RGB图的显著检测结果，从而使得深度特征有效指导RGB图显著检测，提升RGB图显著检测结果；基于RGB图的显著中心先验：计算深度图中其他超像素与RGB图显著目标中心超像素的CIELab颜色特征欧式距离，以此作为显著权重加强深度图的显著检测结果，从而使得RGB特征有效指导深度图显著检测，提升深度图显著检测结果。
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.018 seconds)
