-
公开(公告)号：CN117409318A
公开(公告)日：2024-01-16
申请号：CN202311341913.5
申请日：2023-10-17
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明提出了一种基于深度学习的高分二号舰船目标检测方法,包括步骤一获取卫星原始数据，进行预处理之后融合生成普通的RGB图像，步骤二对数据集进行划分，步骤三RetinaNet‑ReHead舰船目标检测模型的建立，步骤四对RetinaNet‑ReHead舰船目标检测模型进行训练，步骤四与步骤五对模型进行验证与输出，步骤六由训练好RetinaNet‑ReHead舰船目标检测模型进行迭代检测输出舰船目标的检测结果；本发明通过收集和筛选数据，并制作成高分二号影像数据集，提出RetinaNet‑ReHead舰船目标检测模型，能够提取出旋转等变特征，并且解决传统损失函数的一系列问题以及密集场景下的漏检问题，提高模型的识别精度，使得本发明模型的预测结果更有效。
-
公开(公告)号：CN109035293B
公开(公告)日：2022-07-15
申请号：CN201810498274.6
申请日：2018-05-22
Applicant: 安徽大学
Abstract: 为了解决现有技术的不足，本发明提供一种适用于视频图像中显著人体实例分割的方法：将视频序列中运动目标的运动持续性和时空结构一致性引入，实现基于此两者约束的一种将光流聚类、显著性检测和多特征投票相结合的人体实例分割方法。对于运动连续性，采用基于光流区域聚类的前景目标概率计算策略，即基于光流特征对区域进行聚类并以区域面积大小为权重计算前景概率，对于时空结构一致性，我们提出采用以融合显著性检测和基于粗轮廓的多特征投票策略，并结合显著性检测、区域邻帧光利差相，对具有完整轮廓的目标前景进行像素级别上的能量约束优化，从而实现未被遮挡的移动行人的实例分割。
-
公开(公告)号：CN114694170A
公开(公告)日：2022-07-01
申请号：CN202210091784.8
申请日：2022-01-26
Applicant: 安徽大学
Abstract: 本发明公开了一种多尺度批量特征丢弃网络的行人重识别方法，涉及行人识别技术领域，具体包括如下步骤：S1、利用IBN‑Net50‑a为基础骨干网络提取特征；S2、对最后两层卷积层融合批量特征丢弃方法；S3、拼接不同维度的特征，能够包含更多浅层、深层的有用信息，IBN包括IN和BN，IN提取的鲁棒特征是不随一些外观变化而变化的，如颜色、风格、虚拟/真实，BN则是保留与内容相关的信息，本发明以IBN‑Net50‑a为骨干网的改进的网络模型，对最后两层卷积层融合批量特征丢弃方法，以增强局部区域的专注特征学习。采取多尺度特征融合策略，对不同的分支输出的特征图采用不同的池化，提升网络的鲁棒性、学习效率以及识别率。
-
公开(公告)号：CN107967676A
公开(公告)日：2018-04-27
申请号：CN201711101875.0
申请日：2017-11-10
Applicant: 安徽大学
IPC: G06T5/10
CPC classification number: G06T5/10 , G06T2207/20064 , G06T2207/20221
Abstract: 本发明公开了一种平稳Tetrolet变换算法，平稳Tetrolet变换是一种由四个单位正方形通过边连接起来的新的自适应Harr类小波变换，对应的滤波器组简单而有效。与标准二维小波变换相比，平稳Tetrolet变换是一种新型的基于四格拼板的多尺度几何变换工具，能够通过多方向选择有效地捕获图像中各向异性特性。本发明中对平稳Tetrolet变换的分解和重构算法进行了详细的描述，对利用平稳Tetrolet变换对图像的分解进行了仿真与分析。实验结果表明，与传统算法相比，提出的算法在保留原始图像边缘和纹理信息的同时，有效地取得较好的稀疏表达，能消除Tetrolet变换算法对图像融合存在方块效应的缺陷。
-
公开(公告)号：CN109858557B
公开(公告)日：2022-12-27
申请号：CN201910113156.3
申请日：2019-02-13
Applicant: 安徽大学
IPC: G06V10/774 , G06V10/762 , G06V10/82 , G06N3/04
Abstract: 本发明公开了一种新的高光谱图像数据半监督分类算法，该方法为，首先获取到所有的高光谱数据，并将其作为初始数据；其次使用稀疏子空间聚类作为聚类方法来聚合所有的初始数据，并获取所有初始数据的伪标签；其次在CNN1中对所有的初始数据及其伪标签进行预训练；对于CNN1中分类层中的目标函数，提出了基于度量学习的新的目标函数；之后利用CNN1除去最后的分类层，再加上全连接层构成了CNN2；之后将带标签的数据以及它们的已知真实标签对CNN2进行微调。本发明是通过利用伪标签进行高光谱图像分类的半监督深度学习机制；用两段式训练，扩展了训练信息；为了更好的掌握高光谱样本结构特征的问题，在预训练阶段提出了新的目标函数。
-
Patent Agency Ranking
公开(公告)号：CN119861013A
公开(公告)日：2025-04-22
申请号：CN202411940572.8
申请日：2024-12-26
Applicant: 安徽大学
IPC: G01N15/075 , G06N3/006 , G01B11/06
Abstract: 本发明公开了一种基于智能群体算法的气溶胶粒子谱分布反演方法，该方法选取双对数正态分布作为气溶胶粒子谱的函数形式，其中气溶胶颗粒数浓度、几何标准偏差和中值半径作为未知参数；通过设定未知参数的数值范围，输入智能群体算法中的红尾鹰(Red‑tailed hawk,RTH)算法；依据气溶胶光学厚度与气溶胶粒子谱之间的关系，使用RTH算法优化生成参数计算气溶胶光学厚度，并与通过太阳光度计测得的气溶胶光学厚度进行比较，当误差值达到最小时，采用此时的参数反演气溶胶粒子谱分布。与现有技术相比，本发明通过RTH算法选取合适的气溶胶粒子谱函数的参数，实现大气气溶胶粒子谱分布精准反演，且计算简洁，适用范围广。
-
公开(公告)号：CN118197346A
公开(公告)日：2024-06-14
申请号：CN202410155031.8
申请日：2024-02-02
Applicant: 安徽大学
IPC: G10L21/028 , G10L21/0308 , G10L25/30 , G10L19/008
Abstract: 本发明公开了一种基于多尺度语音‑脑电融合的脑控说话人提取方法及系统。该方法包括：S1、语音编码器将原始混合语音样本转化为具有不同时间分辨率的语音特征；S2、脑电编码器将多通道的脑电信号编码到低维的特征表达，并利用图卷积网络提取脑电数据；S3、在说话人提取网络模块中分别融合多尺度语音和脑电的双模态特征，使用基于掩蔽的方法过滤掉干扰说话人；S4、语音解码器模块将掩蔽后的语音特征转化为原始的时域目标语音波形。本方法利用听者所记录的脑电信号来指导提取目标语音，使说话人提取方法具有根据个人主观意识有效分离目标说话人的能力，并将多尺度的语音特征和脑电特征分别进行融合，提高了语音的感知质量和可懂度。
-
公开(公告)号：CN118155804A
公开(公告)日：2024-06-07
申请号：CN202410365162.9
申请日：2024-03-28
Applicant: 北京启丹医疗科技有限公司 , 安徽大学
IPC: G16H20/40 , G06N3/0455 , G06N3/0464 , G06N3/082 , G06N3/084
Abstract: 本发明公开了一种脑胶质瘤近距离粒子植入治疗剂量预测方法及系统，方法包括：构建粒子植入位置和剂量预测模型，所述粒子植入位置和剂量预测模型采用3DUnet，在3DUnet的每一层的下采样之前加入局部注意力模块，将3DUnet的最后一层的下采样替换为胶囊模块；训练所述粒子植入位置和剂量预测模型；利用训练好的粒子植入位置和剂量预测模型进行粒子植入的位置和剂量的预测；本发明的优点在于：精准的预测粒子植入的位置和剂量，并准确处理快速跳变的剂量。
-
公开(公告)号：CN117853543A
公开(公告)日：2024-04-09
申请号：CN202410023147.6
申请日：2024-01-05
Applicant: 安徽大学
Abstract: 本发明公开了一种适用于脑部肿瘤图像的联合分割和配准的方法，包括：获取患者的两个不同时间点的脑肿瘤图像，并脑肿瘤图像进行预处理，以及将预处理后的脑肿瘤图像划分为训练集、验证集和测试集；构建联合分割和配准训练模型，以及建立目标损失函数；将训练集作为输入并基于目标损失函数对联合分割和配准训练模型进行迭代训练，得到初始联合分割和配准模型；以及将验证集输入初始联合分割和配准模获取最优联合分割和配准训练模型；将测试集输入到联合分割和配准训练模型中获取脑肿瘤分割结果图像和脑肿瘤配准图像，并进行相似度计算，获取判断图像配准效果；以及判断图像分割的效果。通过本发明可以在脑肿瘤图像中提供更稳健和更准确的配准结果。
-
公开(公告)号：CN115730176A
公开(公告)日：2023-03-03
申请号：CN202211090748.6
申请日：2022-09-07
Applicant: 安徽大学
Abstract: 本发明涉及臭氧浓度反演，具体涉及一种紫外高光谱大气臭氧垂直柱浓度反演方法，基于朗伯—比尔定律确定拟合方程；构造线性拟合矩阵M，构造向量根据线性拟合矩阵M和向量将拟合方程转换为矩阵形式；通过最小二乘法求解臭氧的斜柱浓度值；计算空气质量因子AMF；利用臭氧的斜柱浓度值和空气质量因子AMF计算臭氧的垂直柱浓度值；本发明提供的技术方案能够有效克服现有技术所存在的大气臭氧垂直柱浓度反演结果准确性较低、计算复杂的缺陷。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.028 seconds)
