-
公开(公告)号：CN114742806B
公开(公告)日：2024-10-01
申请号：CN202210427524.3
申请日：2022-04-21
Applicant: 海南大学
IPC: G06T7/00 , G06T7/155 , G06T7/62 , G06N3/0464 , G06N3/084
Abstract: 本发明提供了一种基于关键点坐标回归的鱼体形态学特征测量方法：步骤1，利用采集装置得到鱼体图像；步骤2，将步骤1中待检测的鱼体图像输入由ResNet‑50(残差网络)，FPN(特征金字塔网络)和KPCRN(关键点坐标回归网络)组成的已训练好的全新深度学习模型中；步骤3，得到从步骤2模型中输出的8个关键点坐标#imgabs0#步骤4，计算关键点坐标间的距离得到鱼体的各个形态学长度参数。利用本发明方法测量鱼体形态学参数几乎不需要后处理，该方法能够简化数据集标注、易化模型的训练和测试、降低测量的时间成本和算力成本，对场景的变化，鱼体姿态的变化具有鲁棒性，从而极大提高鱼体形态学长度测量的精度。
-
公开(公告)号：CN114638336B
公开(公告)日：2023-09-22
申请号：CN202111606351.3
申请日：2021-12-26
Applicant: 海南大学
IPC: G06N3/0985 , G06F18/214 , G06N3/0464
Abstract: 聚焦于陌生样本的不平衡学习方法，可以用于基于深度神经网络的分类模型的不平衡学习和推理中。该方法将样本的网络logit输出值作为模型对于样本的熟悉程度的指标值，认为具有较低logit值的样本为模型的陌生样本。具体来说，在模型训练过程中，本发明中的损失函数为基于样本logit值的成本敏感损失函数：可分为实例级和类别级。本发明可以改善训练中类内样本的聚合特征，并减少注释错误对不平衡学习的负面影响。在模型的推理过程中，本发明采用一种偏移策略来实现模型的推理：先在验证集上基于logit的偏移性获得最佳分类器中的偏移参数，再根据该偏移参数在测试集上推理。采用该偏移策略可以纠正模型在推理过程中由于模型的偏移而引起的分类错误。
-
公开(公告)号：CN114638336A
公开(公告)日：2022-06-17
申请号：CN202111606351.3
申请日：2021-12-26
Applicant: 海南大学
Abstract: 聚焦于陌生样本的不平衡学习方法，可以用于基于深度神经网络的分类模型的不平衡学习和推理中。该方法将样本的网络logit输出值作为模型对于样本的熟悉程度的指标值，认为具有较低logit值的样本为模型的陌生样本。具体来说，在模型训练过程中，本发明中的损失函数为基于样本logit值的成本敏感损失函数：可分为实例级和类别级。本发明可以改善训练中类内样本的聚合特征，并减少注释错误对不平衡学习的负面影响。在模型的推理过程中，本发明采用一种偏移策略来实现模型的推理：先在验证集上基于logit的偏移性获得最佳分类器中的偏移参数，再根据该偏移参数在测试集上推理。采用该偏移策略可以纠正模型在推理过程中由于模型的偏移而引起的分类错误。
-
公开(公告)号：CN111292347B
公开(公告)日：2022-03-01
申请号：CN202010069704.X
申请日：2020-01-21
Applicant: 海南大学
Abstract: 本发明提供了一种基于图像处理技术的显微图像炭疽孢子密度计算方法，包括：步骤1，标注一幅炭疽孢子图像，构建混合高斯模型；步骤2，采用基于高斯分离度的自适应Otsu阈值分割炭疽孢子图像；步骤3，对分割后的图像进行开滤波、闭滤波、形状滤波和面积滤波；步骤4，提取目标边缘轮廓；步骤5，计算图像中各像素与混合高斯模型的相似度；步骤6，计算基于符号对数相似度的边缘停止函数；步骤7，对步骤4中得到的边缘轮廓进行轮廓演化，得到炭疽孢子的精确轮廓；步骤8，对结果图像统计连通域的面积和连通域的个数，得到炭疽孢子的个数。利用本发明方法获得的密度统计信息可以为作物的病情估计，或者炭疽孢子的活性、耐药性分析提供依据。
-
公开(公告)号：CN107462221A
公开(公告)日：2017-12-12
申请号：CN201710582932.5
申请日：2017-07-17
Applicant: 海南大学
Abstract: 本发明涉及一种鱼眼特征自动测量方法，所述方法包括：采集鱼例图像并去除背景；提取去除背景的鱼例图像中的鱼眼图像；根据鱼眼图像确定鱼眼像素尺寸，并将所述鱼眼像素尺寸转换为实际尺寸；采集鱼例图像需要构建采集鱼例图像装置；所述采集鱼例图像装置包括：标准平台、机械手臂和采集相机；所述采集相机与标准平台通过机械手臂连接；标准平台用于盛放待测鱼体；机械手臂用于调节采集相机与标准平台的距离和位置；采集相机用于拍摄鱼例图像。本发明提供的方法，利用计算机视觉技术和图像处理技术实现无接触式自动测量，大大提高测量效率的同时保证了测量数据的精确性和稳定性。
-
Patent Agency Ranking
公开(公告)号：CN118053000B
公开(公告)日：2025-02-25
申请号：CN202410067705.9
申请日：2024-01-17
Applicant: 海南大学
Abstract: 本发明实施例公开了一种面向纹理的均匀FAST特征提取方法，所述方法包括：构建面向纹理的均匀特征提取器；对待提取特征的图片通过面向纹理的均匀FAST特征提取器获得待提取特征图片的纹理直方图；确定所述待提取特征图片的纹理直方图待提取特征图片的对比度和信息熵；根据所述对比度和信息熵预设基础阈值；根据所述基础阈值、对比度权重和信息熵权重确定优化阈值；通过所述优化阈值提取待提取特征的图片的特征点并且确定特征点密度分布图；根据密度和特征点的数量动态地调整四叉树的划分并且优化特征点的分布结构。
-
公开(公告)号：CN114638983B
公开(公告)日：2024-09-10
申请号：CN202111556763.0
申请日：2021-12-18
Applicant: 海南大学
IPC: G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明从动态平衡的角度来看待不平衡学习的问题，提供了一种不平衡学习动态恢复大类重要性(Dynamically Restoring the Importance ofMajority Class,DRMC)的损失函数计算方法。DRMC首先抑制大类的重要性，然后逐渐恢复大类的重要性。其损失函数中的成本函数包括初始函数、恢复函数、渐进函数和激活函数。渐进函数为一递增函数，激活函数采用类Relu函数，初始函数和恢复函数采用已有的静态的类别成本函数。DRMC方法动态地计算类别成本，结合标准交叉熵函数，有效地解决了已有方法中的静态平衡策略与训练过程中类别表示程度的动态变化不相匹配的问题。与相应的静态的成本函数相比，DRMC方法可以显著提高了模型的分类性能，不仅显示了良好的泛化能力，而且方法对超参数不敏感，易化了超参数调试过程。
-
公开(公告)号：CN115019063A
公开(公告)日：2022-09-06
申请号：CN202210626663.9
申请日：2022-06-04
Applicant: 海南大学
Abstract: 本发明提供了一种基于双注意力机制的显著性目标检测方法：步骤1、使用数据增强技术扩充数据集；步骤2、将数据输入到包含有水平集注意力机制模块LSA(Level‑SetAttention)、反向通道注意力机制模块R‑CA(Reverse‑ChannelAttention)、后向反馈与结构化损失的RCANet网络中进行训练并得到训练模型；步骤3、输入待检测数据到模型中得到显著性目标检测结果。利用本发明方法能够获得更丰富的语义信息，使得后续网络更好区分标签与背景，以较少的参数在深层网络获得位置信息，同时本发明方法可以细化轮廓，提取出更清晰的边界，使得网络整体性能提高。
-
公开(公告)号：CN113422661B
公开(公告)日：2022-04-12
申请号：CN202110481919.7
申请日：2021-04-30
Applicant: 海南大学
IPC: H04B17/382 , H04L67/10 , H04L9/40
Abstract: 本发明提供了一种基于主被动信誉度划分的可信宽带频谱感知方法：步骤1，利用压缩感知理论进行宽带频谱感知；步骤2，通过交易的方式上传感知节点的感知结果；步骤3，通过步骤2形成的交易记录找到感知节点的账户地址，确认参与任务的感知节点；步骤4，设置上交代币临界值，计算感知节点的主动信誉度；步骤5，计算感知节点的被动信誉度；步骤6，确定决策参数，得到最终的感知节点权重。步骤7，利用步骤6得到的感知节点权重进行融合判决，得到最终的协作式频谱感知结果；步骤8，发送交易更新感知节点账户余额及区块账本。利用本发明方法获得的节点权重信息可以作为感知节点的综合信誉估计，降低节点作恶影响；或者为融合中心判决感知结果的提供重要依据，在低成本下实现可靠感知。
-
公开(公告)号：CN113422661A
公开(公告)日：2021-09-21
申请号：CN202110481919.7
申请日：2021-04-30
Applicant: 海南大学
IPC: H04B17/382 , H04L29/08 , H04L29/06
Abstract: 本发明提供了一种基于主被动信誉度划分的可信宽带频谱感知方法：步骤1，利用压缩感知理论进行宽带频谱感知；步骤2，通过交易的方式上传感知节点的感知结果；步骤3，通过步骤2形成的交易记录找到感知节点的账户地址，确认参与任务的感知节点；步骤4，设置上交代币临界值，计算感知节点的主动信誉度；步骤5，计算感知节点的被动信誉度；步骤6，确定决策参数，得到最终的感知节点权重。步骤7，利用步骤6得到的感知节点权重进行融合判决，得到最终的协作式频谱感知结果；步骤8，发送交易更新感知节点账户余额及区块账本。利用本发明方法获得的节点权重信息可以作为感知节点的综合信誉估计，降低节点作恶影响；或者为融合中心判决感知结果的提供重要依据，在低成本下实现可靠感知。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.201 seconds)
