“许玉格”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果30个，建议您升级VIP下载更多相关专利

[发明专利]一种自适应消除分类负梯度的长尾目标检测方法-CN202310385754.2在审
发明人： 许玉格;吕传龙 -专利权人：华南理工大学
申请日： 2023-04-11 - 公布日： 2023-08-15 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种自适应消除分类负梯度的长尾目标检测方法，包括：1)构建长尾目标检测模型，获取长尾数据集，将训练图像输入模型，对预测结果计算分类损失和定位损失，分类损失由自适应消除尾部类负梯度的损失函数计算得到，将分类损失和定位损失加权求和得到长尾学习总损失值；2)利用长尾学习总损失值进行梯度反传和参数更新，完成所有轮次训练后，保存性能最优的模型参数，得到最优的长尾目标检测模型；3)将测试集中的待检测图像输入优先模型，得到待检测图像中物体类别和位置的预测结果。本发明能够根据输出概率自适应地消除对尾部类的负梯度，有助于解决因尾部类学习不足导致的假阳性问题，提高目标检测模型性能。
一种自适应消除分类梯度长尾目标检测方法

[发明专利]一种基于特征融合的卷积神经网络瑕疵检测方法-CN201911104107.X有效
发明人： 许玉格;钟铭;吴宗泽 -专利权人：华南理工大学
申请日： 2019-11-13 - 公布日： 2023-04-28 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于特征融合的卷积神经网络瑕疵检测方法，包括步骤：1)对数据集进行预处理；2)对输入到模型卷积网络中的图片，进行resize、padding和归一化操作；3)将瑕疵图片和模板图片输入到Resnet101卷积网络中进行特征提取，并分别构建出瑕疵图片和模板图片的FPN网络；4)将瑕疵图片和模板图片的FPN网络中对应的特征层的通道进行叠加，采用卷积的方式进行融合；5)基于融合后的特征层进行初步的候选区域提取，再进行ROI池化操作；6)级联多个ROI池化层和分类、回归层构成Cascade R‑CNN网络，对输入的候选区域进行分类和回归；7)选定优化器，对模型进行训练；8)将待预测图片输入到训练好的模型中，输出瑕疵检测结果。本发明可提高瑕疵检测过程中对瑕疵的分类准确率和mAP值。
一种基于特征融合卷积神经网络瑕疵检测方法

[发明专利]基于样本增强的工业产品表面缺陷检测方法-CN201911390407.9有效
发明人： 许玉格;郭子兴;戴诗陆;吴宗泽 -专利权人：华南理工大学
申请日： 2019-12-30 - 公布日： 2023-04-07 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于样本增强的工业产品表面缺陷检测方法，包括步骤：1)对工业产品表面图像进行尺寸标准化、归一化，切割并分类；2)带缺陷的图片进行随机翻转的数据增强；3)将带缺陷图片和正常图片进行随机拼接增强；4)使用Cascade‑RCNN算法进行迭代训练；5)得到Cascade‑RCNN检测模型；6)通过Cascade‑RCNN检测模型对需要检测的工业产品表面图片和确定无缺陷的纹理模板图片进行滑窗检测，对滑窗检测到的结果进行拼接，并对二者得到的结果进行比较，最终得到待检测图片的缺陷类别及区域标注。本发明可有效降低光照、曝光和位移等条件对缺陷检测的影响，提高了检测稳定性，同时提高了二阶段目标检测器对花纹和背景的分辨能力，降低了误检率。
基于样本增强工业产品表面缺陷检测方法

[发明专利]一种基于三支决策的缺陷检测数据集预处理方法-CN201911104108.4有效
发明人： 许玉格;钟铭;吴宗泽 -专利权人：华南理工大学
申请日： 2019-11-13 - 公布日： 2023-03-28 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种基于三支决策的缺陷检测数据集预处理方法，该方法通过构造一个卷积神经网络来进行图片特征的提取，利用随机梯度下降法基于分类网络中的交叉熵损失来进行卷积神经网络权值的更新，同时利用卷积神经网络输出的特征来进行样本所属域的划分，对划分后的负域和边界域样本进行数据增强，再利用数据增强后的数据集继续进行训练，直到分类网络达到一个较好的分类准确率。通过实验证明了本发明方法比直接对数据集中的图片进行无差别的增强后进行训练，模型的收敛速度更快，最终的分类准确率更高。
一种基于决策缺陷检测数据预处理方法

[发明专利]基于注意力的Faster R-CNN网络的钢板表面缺陷检测方法-CN202110311677.7有效
发明人： 许玉格;杨舒乔;邓晓燕 -专利权人：华南理工大学
申请日： 2021-03-24 - 公布日： 2022-12-16 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于注意力的Faster R‑CNN网络的钢板表面缺陷检测方法，包括步骤：1)获取钢板表面缺陷图片，划分训练集和测试集；2)把训练集的图片输入带注意力模块的resnet50骨干网络提取特征图；3)按FPN特征金字塔网络方式融合特征图；4)特征图输入RPN区域建议网络，根据原图尺寸生成建议框；5)建议框和特征图输入RoI align，再经过全连接网络进行分类和回归，得到相应的损失；6)通过损失对基于注意力的Faster R‑CNN网络进行权重调整，迭代次数达到设定值，即训练结束，得到权重文件，对测试集的图片进行预测。本发明将带有注意力模块的resnet50骨干网络与FPN特征金字塔结合对钢板表面缺陷图片提取特征，有助于提高钢板表面缺陷检测的分类和回归的精确率。
基于注意力 faster cnn 网络钢板表面缺陷检测方法

[发明专利]基于重采样池的快速集成污水处理故障诊断方法-CN201811283829.1有效
发明人： 许玉格;赖春伶;陈立定 -专利权人：华南理工大学
申请日： 2018-10-31 - 公布日： 2022-12-16 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于重采样池的快速集成污水处理故障诊断方法，包括步骤：1)用均值法补全污水数据中属性不完整的样本的缺陷项，将其归一化到[0,1]区间中；2)对训练数据集中的少数类样本进行进行SMOTE过采样处理，对各类少数类样本构造对应的人工合成虚拟样本池3)设置基分类器个数及其隐层节点数的最优参数；4)结合所有样本池抽样得到的人工合成虚拟样本和初始训练数据，获得单个基分类器的训练样本集，训练基分类器；5)完成对所有基分类器的训练，将其进行集成，得到最终的集成分类器。本发明在有效地降低污水数据的不平衡性的同时提高了基分类器间的多样性，并提高了污水处理过程中故障诊断的整体性能。
基于采样快速集成污水处理故障诊断方法

[发明专利]基于改进型Cascade R-CNN的铝材表面缺陷检测方法-CN202011282968.X有效
发明人： 许玉格;郭子兴;吴宗泽 -专利权人：华南理工大学
申请日： 2020-11-17 - 公布日： 2022-04-22 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于改进型Cascade R‑CNN的铝材表面缺陷检测方法，包括步骤：1)对铝材表面图片进行尺寸标准化，切割并分类；2)对图片集进行归一化和在线数据增强，并划分批次；3)将所有批次的图片使用改进型Cascade R‑CNN算法进行迭代训练；4)重复步骤2)至步骤3)，迭代训练得到铝材表面缺陷检测模型；5)将待检测的铝材表面图片输入铝材表面缺陷检测模型，得到检测结果。本发明可有效降低光照、曝光和位移等条件对缺陷检测的影响，提高了检测稳定性，同时大幅提高了极端长宽比缺陷的检出率，降低了误检率。
基于改进型 cascade cnn 表面缺陷检测方法

[发明专利]一种基于极限学习机的卷积神经网络布匹瑕疵检测方法-CN202010030557.5有效
发明人： 许玉格;钟铭;戴诗陆;吴宗泽 -专利权人：华南理工大学
申请日： 2020-01-13 - 公布日： 2022-03-25 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于极限学习机的卷积神经网络布匹瑕疵检测方法，该方法通过构造一个卷积神经网络进行特征提取，并对提取的特征进行融合，在融合后的特征层上进行布匹瑕疵候选框的提取，在布匹瑕疵检测阶段，使用卷积神经网络对提取得到的布匹瑕疵候选框进行回归，使用极限学习机对布匹瑕疵候选框进行分类，对分类和回归结果结合样本图片的真实标签计算损失，基于得到的损失使用随机梯度下降法更新网络中的权重，不断进行迭代训练，直到网络的损失收敛到一个极小值或者达到预设的训练轮数，便得到训练好的基于极限学习机的布匹瑕疵检测的网络模型，即可进行布匹瑕疵检测，有效提高布匹瑕疵检测的整体性能，本发明具有更高的布匹瑕疵检测准确率。
一种基于极限学习机卷积神经网络布匹瑕疵检测方法

[发明专利]基于FCN+FC-WXGBoost的工业产品表面缺陷检测方法-CN201911391419.3有效
发明人： 许玉格;郭子兴;戴诗陆;吴宗泽 -专利权人：华南理工大学
申请日： 2019-12-30 - 公布日： 2021-12-21 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于FCN+FC‑WXGBoost的工业产品表面缺陷检测方法，包括步骤：1)对图片进行尺寸标准化和归一化操作；2)将图片进行在线增强与分批；3)将图片送入全卷积网络FCN与全连接网络FC结合的网络进行训练；4)将全连接网络输出层的输入作为特征向量，训练一个WXGBoost分类模型，使用克隆选择算法进行自动调参，并将全连接层的输出层替换为WXGBoost，再与全卷积网络FCN组合，得到FCN+FC‑WXGBoost网络模型；5)进行检测时将图片输入FCN+FC‑WXGBoost网络，得到缺陷的位置和类别信息。本发明有效降低了光照、曝光和位移等条件对缺陷检测的影响，提高了缺陷检测稳定性，同时降低了缺陷类别不平衡对检测精度的影响，提高检测精度。
基于 fcn fc wxgboost 工业产品表面缺陷检测方法

[发明专利]基于yolov3-spp网络模型的钢板表面缺陷检测方法-CN202110311680.9在审
发明人： 许玉格;杨舒乔;吴宗泽;邓木清 -专利权人：华南理工大学
申请日： 2021-03-24 - 公布日： 2021-07-23 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于yolov3‑spp网络模型的钢板表面缺陷检测方法，包括步骤：1)获取钢板表面缺陷图片，划分为训练集和测试集；2)把训练集的图片输入yolov3‑spp网络模型，进行迭代训练，调整网络模型的权重参数，达到设定的迭代次数后，得到网络模型的权重文件；3)把权重文件加载到yolov3‑spp网络模型，对测试集的图片进行预测，得到检测结果。本发明将yolov3‑spp网络模型中的spp模块作为实现局部特征和全局特征融合的一种有效手段，能够充分提取缺陷在图片中的结构信息，经过训练集的学习，可以在测试集上有效地提高钢板表面缺陷检测的精确率。
基于 yolov3 spp 网络模型钢板表面缺陷检测方法

[发明专利]一种钢板表面缺陷检测系统-CN202110311684.7在审
发明人： 许玉格;杨舒乔;吴宗泽;任志刚 -专利权人：华南理工大学
申请日： 2021-03-24 - 公布日： 2021-07-23 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种钢板表面缺陷检测系统，包括数据处理模块、特征提取模块、特征金字塔模块、区域建议模块、池化检测模块，数据处理模块实现对钢板表面缺陷图片的训练集和测试集划分，特征提取模块实现对钢板表面缺陷图片的各层特征图的提取，特征金字塔模块实现各层特征图的融合，区域建议模块实现对建议框的提取，池化检测模块实现对建议框对应的特征图的检测，在训练阶段以检测的损失调整权重参数，在测试阶段仅获取钢板表面缺陷图片的缺陷位置和类别。本发明能够有效提取钢板表面缺陷图片的特征，有助于提高钢铁表面缺陷检测的精确率。
一种钢板表面缺陷检测系统

[发明专利]基于加权基分类器的stacking集成污水处理故障诊断方法-CN201910566728.3有效
发明人： 许玉格;莫华森;罗飞;邓晓燕 -专利权人：华南理工大学
申请日： 2019-06-27 - 公布日： 2021-07-20 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于加权基分类器的stacking集成污水处理故障诊断方法，用均值法补全污水数据中属性不完整的样本的缺陷项，将其归一化到[0,1]区间中；设置基分类器隐层节点数、正则化系数、核宽度的最优参数；利用处理好的训练样本对基分类器进行3折交叉验证，获得基分类器的原始输出，并得到每个基分类器对于训练样本集的G‑mean值；根据基分类器G‑mean值，定义权值计算公式，得到每个基分类器的输出权值；将基分类器的原始输出转化为概率型输出，结合其输出权值，构造出元训练集；利用元训练集对元分类器进行训练，得到最终的诊断模型。本发明可以提高污水处理过程中故障诊断的整体性能。
基于加权分类 stacking 集成污水处理故障诊断方法

[发明专利]基于stacking元学习策略的污水处理故障诊断方法-CN201910246706.9有效
发明人： 许玉格;莫华森;罗飞;邓晓燕 -专利权人：华南理工大学
申请日： 2019-03-29 - 公布日： 2021-03-30 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于stacking元学习策略的污水处理故障诊断方法，该方法是用均值法补全污水数据中属性不完整的样本的缺陷项，将其归一化到[0,1]区间中；设置基分类器隐层节点数、正则化系数、核宽度的最优参数；利用处理好的训练样本对基分类器进行3折交叉验证，获得基分类器的原始输出；将基分类器的原始输出转化为概率型输出，并构造出元训练集；利用元训练集对元分类器进行训练，得到最终的分类决策模型。本发明通过元学习策略融合了不同的基分类器提高了算法的多样性和稳定性，进一步提高了污水处理过程中故障诊断的整体性能。
基于 stacking 学习策略污水处理故障诊断方法

[发明专利]基于多个元分类器加权集成的stacking污水处理故障诊断方法-CN201911043358.1在审
发明人： 许玉格;莫华森;罗飞;邓晓燕 -专利权人：华南理工大学
申请日： 2019-10-30 - 公布日： 2020-02-21 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于多个元分类器加权集成的stacking污水处理故障诊断方法，通过构造一个两层的叠加式框架结构，选择3种对不平衡数据有不错分类效果的分类算法，即SVM、RVM、WELM作为基分类器，得到基分类器对原始训练集的预测结果作为第二层元分类器的输入，同样选择SVM、RVM、WELM作为元分类器，对元分类器进行加权集成得到最终诊断模型，通过最终诊断模型输出分类结果即为待测数据对应的故障诊断结果。实验证明，本方法通过对多个元分类器进行加权集成提高了算法的多样性和稳定性及对污水处理故障类的分类准确率，进而有效提高了污水处理过程中故障诊断的整体性能。
基于多个元分类加权集成 stacking 污水处理故障诊断方法

[发明专利]一种改进型的集成加权极限学习机污水处理故障诊断方法-CN201710654311.3有效
发明人： 许玉格;赖春伶;孙称立;陈立定 -专利权人：华南理工大学
申请日： 2017-08-03 - 公布日： 2020-02-18 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种改进型的集成加权极限学习机污水处理故障诊断方法，包括：S1、针对基分类器，采用倾向于少数类样本的赋值公式，对加权极限学习机的初始权值进行赋值；S2、训练基分类器；S3、提出新型的集成算法基分类器权值更新公式，以加权极限学习机为基分类器，以Adaboost迭代方法对多个基分类器进行集成，建立改进型的污水故障诊断模型；S4、输入污水处理过程中产生的样本数据，设置集成算法的基分类器个数T，基分类器的最优核宽度γ，对应的最优正则化系数C，建立污水处理系统的故障诊断模型并进行性能测试。本发明可以实现多个类别的不平衡数据分类，提高了不平衡数据的分类性能特别是少数类的分类正确率，有效提高了污水处理过程中故障诊断的准确性。
一种改进型集成加权极限学习机污水处理故障诊断方法

1
2
下一页»
尾页
共 30 条