“方乐缘”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33个，建议您升级VIP下载更多相关专利

[发明专利]基于图像特征的集合经验模态分解的高光谱图像分类方法-CN201810694287.0有效
发明人：涂兵;王锦萍;费洪燕;方乐缘;赵光哲;周承乐;何丹冰 -专利权人：湖南理工学院;湖南大学;北京建筑大学
申请日： 2018-06-29 - 公布日： 2023-10-20 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及基于图像特征的集合经验模态分解的高光谱图像分类方法，其步骤包括：S1、利用主成分分析算法对原始高光谱图像进行降维处理；S2、对得到的二十维主成分进行自适应全变分滤波，降低噪声的敏感度并获得粗轮廓特征；S3、利用集合经验模态分解将每个谱带分解为串行分量，在转换域中对于高光谱图像的特征进行进一步融合；S4、利用支持向量机分类器对处理后的图像进行最终分类。本发明能有效增强图像的轮廓特征、并具有较好的分类性能。
基于图像特征集合经验分解光谱分类方法

[发明专利]一种基于动态非极大值抑制的厨余垃圾检测方法及系统-CN202310606583.1在审
发明人： 方乐缘;丁帅予;冯浩;汤琳 -专利权人：湖南大学
申请日： 2023-05-26 - 公布日： 2023-09-19 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于动态非极大值抑制的厨余垃圾检测方法及系统，将厨余垃圾训练集按单张图像输入至预先训练好的目标检测网络并结合不同的NMS交并比阈值进行测试，得到单张图像的DNMS值；获取厨余垃圾训练集中单张图像的目标数目Ni、同类别目标平均中心点间距离Di，构建单张图像的DNMS值与Ni、Di之间的映射关系式；搭建NMS回归网络，并结合目标检测网络构建厨余垃圾检测网络，将Ni、Di作为标签，使用标签和厨余垃圾训练集对厨余垃圾检测网络进行训练，得到厨余垃圾检测模型；将厨余垃圾待检测图像输入厨余垃圾检测模型，并结合映射关系式处理得到待检测图像的预测框。该方法能够缓解厨余垃圾检测中的漏检或重复检测问题。
一种基于动态极大值抑制垃圾检测方法系统

[发明专利]一种用于垃圾分拣图像的轻量化集成识别方法-CN202310638350.X有效
发明人：梁桥康;邓淞允;秦海;邹坤霖;肖海华;方乐缘;汤琳 -专利权人：湖南大学
申请日： 2023-06-01 - 公布日： 2023-08-22 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种用于垃圾分拣图像的轻量化集成识别方法，搭建轻量化集成识别网络，包括基础预测模型、两个轻量化集成分类器单元B1、B2；基础预测模型分为前端结构和末端分类器单元B0；B1、B2的主干结构采用与B0相同，并在最后一个卷积层与全局池化层之间增加通道注意力机制；训练基础预测模型；将B1、B2的通道注意力机制之前的结构参数固定为与B0一致，并使用其当前训练集训练B1、B2的其余结构参数；基于错误预测结果的类别，更新B1、B2的训练集使两者差异化，并重新训练对应的分类器单元；使用投票模块结合B0、B1、B2对垃圾分拣图像进行轻量化的集成识别。本发明可大幅提升垃圾分拣图像的分类精度。
一种用于垃圾分拣图像量化集成识别方法

[发明专利]一种厨余垃圾协作操控机械手及其工作方法-CN202310419581.1在审
发明人：梁桥康;秦海;邓淞允;邓展金;周立;方乐缘;汤琳 -专利权人：湖南大学
申请日： 2023-04-19 - 公布日： 2023-08-08 - 主分类号： B07C5/36 文献下载
摘要：本发明公开了一种厨余垃圾协作操控机械手及其工作方法，其中机械手包括：底座，包括横向的第一安装座，以及与第一安装座连接且向下延伸的第二安装座；驱动机构，设置于第一安装座远离第二安装座的一端；前导爪，其上端与驱动机构连接；固定刀片，设置于第二安装座朝向前导爪的一侧；伸缩指，设置于第二安装座朝向前导爪的一侧下端。固定刀片、伸缩指与第二安装座构成后切爪，前导爪与固定刀片配合可以完成袋装垃圾物的破袋；前导爪与固定刀片配合还可完成细长型垃圾物的抓取分拣，前导爪与伸缩指配合可以完成未掩埋或半掩埋的塑料垃圾物、纤维类等垃圾的扎取分拣，根据不同厨余垃圾类别选择不同执行模式，可靠性高，提高了分拣效果。
一种垃圾协作操控机械手及其工作方法

[发明专利]一种基于深度学习的遥感图像地块提取方法及系统-CN202111028054.5有效
发明人： 方乐缘;孙伟;黄来锋;罗元;孙斌;李树涛;张峭;赵思建 -专利权人：中国农业科学院农业信息研究所;湖南大学
申请日： 2021-09-02 - 公布日： 2023-07-25 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种基于深度学习的遥感图像地块提取方法及系统，本发明包括将遥感图像输入完成训练的深度神经网络得到地块边界概率图和地块区域概率图；对地块边界概率图二值化、进行霍夫变换检测直线补充边界，得到地块边界；对地块区域概率图首先进行二值化得到二值化地块区域图，然后将二值化地块区域图基于地块边界进行粘连地块的分离，得到最终的遥感图像地块提取结果。本发明由深度神经网络提取初始地块及地块边界，在提取地块边界的基础上，利用地块的边界先验信息，通过霍夫变换检测边界直线对断开处进行补充完善，最终获得完整闭合的地块边界，从而对粘连地块进行修正分离，达到进一步优化地块结果的目的，有效解决地块粘连问题。
一种基于深度学习遥感图像地块提取方法系统

[发明专利]基于量化学习的高光谱图像异常检测方法-CN202310267283.5在审
发明人：谢卫莹;马松林;陈晓钰;马纪涛;李云松;方乐缘 -专利权人：西安电子科技大学
申请日： 2023-03-17 - 公布日： 2023-07-21 - 主分类号： G06T7/00 文献下载
摘要：本发明提出了一种基于量化学习的高光谱图像异常检测方法，其实现步骤为：生成降维的光谱矩阵；构建一个自编码器网络；训练自编码器网络；对高光谱图像进行异常检测。本发明构建有符号8位整数量化全连接层为网络框架的自编码器进行高光谱图像异常检测，与网络参数为有符号32位浮点数的网络相比，本发明构建的自编码器网络的网络参数只需要更少的位数来表示、更少的参数计算时间和更少的硬件资源来执行运算，使得本发明提升了自编码器网络运算速率、在硬件资源受限边缘设备端上进行量化学习的有效性，同时提升了高光谱图像异常检测的精度。
基于量化学习光谱图像异常检测方法

[发明专利]基于定点数量化的遥感图像变化检测方法-CN202310202156.7在审
发明人：谢卫莹;陈晓钰;谷怡洁;马纪涛;李云松;方乐缘 -专利权人：西安电子科技大学
申请日： 2023-03-06 - 公布日： 2023-05-30 - 主分类号： G06V20/13 文献下载
摘要：本发明提出了一种定点数量化的遥感图像变化检测方法，主要解决现有技术缺乏对边界信息考虑，损失函数缺乏对变化图像对的重视，以及计算缓慢的问题。其实现方案为：获取遥感图像对其进行均值减法和归一化预处理，并划分训练集和测试集；基于现有卷积层，设计包含量化位宽和批量标准化层的参数构成定点量化卷积层；使用定点量化卷积层构建遥感变化检测模型；对定点量化变化检测模型进行训练；利用训练好的定点量化变化检测网络，得到图像分类结果。本发明通过构建新的遥感变化检测模型，有效地提高了图像变化检测结果的准确性，同时通过设计定点量化卷积层，减少了网络中运算所需的时间，可应用于植被覆盖分析、城市规划、土地资源管理及灾害评估。
基于定点数量化遥感图像变化检测方法

[发明专利]高光谱图像实例分割方法及建筑实例分割方法-CN202211604458.9在审
发明人： 方乐缘;蒋一帆;岳俊 -专利权人：湖南大学
申请日： 2022-12-13 - 公布日： 2023-05-30 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种高光谱图像实例分割方法，包括获取实例标注后的高光谱图像数据集并处理得到训练数据集；构建高光谱图像实例分割初始模型并采用训练数据集进行训练得到高光谱图像实例分割模型；采用高光谱图像实例分割模型对实际获取的高光谱图像进行实例分割。本发明还公开了一种包括所述高光谱图像实例分割方法的建筑实例分割方法。本发明通过卷积注意力模块和光谱‑空间特征金字塔网络实现多尺度的空谱特征融合，使得网络模型具有同时利用光谱特征和空间特征的优势，提高模型的分割结果；而且本发明方法的计算过程不会占用过多的计算资源，可靠性高、准确性好且适用范围广。
光谱图像实例分割方法建筑

[发明专利]基于类别平衡损失函数的厨余垃圾目标检测方法和系统-CN202211418560.X在审
发明人： 方乐缘;唐崎;欧阳立韩;汤琳;梁桥康 -专利权人：湖南大学
申请日： 2022-11-14 - 公布日： 2023-03-07 - 主分类号： G06V10/44 文献下载
摘要：本发明公开了一种基于类别平衡损失函数的厨余垃圾目标检测方法和系统，包括构建厨余垃圾检测数据集；构建厨余垃圾目标检测模型，包括特征提取网络、特征融合网络、区域建议生成网络、RoI Transformer网络和检测头部网络；构建L1回归损失函数和类别平衡损失函数，根据厨余垃圾检测数据集中的训练集对目标检测模型进行训练，结合类别目标的边界框回归结果、分类结果概率、预设的目标真实边界框和类别标签对训练中的厨余垃圾目标检测模型使用梯度下降法反向传播损失梯度进行网络权重更新；获取实际厨余垃圾图像，根据训练好的厨余垃圾目标检测模型进行检测得到目标检测结果。有效提升了厨余垃圾中可回收垃圾各类别的检测精度。
基于类别平衡损失函数垃圾目标检测方法系统

[发明专利]层剪枝方法、厨余垃圾检测方法及遥感图像车辆检测方法-CN202211476624.1在审
发明人： 方乐缘;吴洁;朱定舜 -专利权人：湖南大学
申请日： 2022-11-23 - 公布日： 2023-03-03 - 主分类号： G06N3/082 文献下载
摘要：本发明新型公开了一种层剪枝方法，包括确定目标网络模型和训练数据集；采用训练数据集训练目标网络模型得到基础网络模型；对基础网络模型等价替换得到解耦网络模型；采用训练数据集训练解耦网络模型；等价解耦训练后的解耦网路模型并确定卷积层及参数；采用卷积层及参数进行合并处理，完成目标网络模型的层剪枝。本发明还公开了一种包括所述层剪枝方法的厨余垃圾检测检测方法以及包括所述层剪枝方法的遥感图像车辆检测方法。本发明具有模型压缩率高、不下降性能、可靠性好的优点。
剪枝方法垃圾检测遥感图像车辆

[发明专利]基于神经网络的厨余垃圾检测方法-CN202210946678.3在审
发明人： 方乐缘;欧阳立韩 -专利权人：湖南大学
申请日： 2022-08-09 - 公布日： 2022-10-18 - 主分类号： G06V10/25 文献下载
摘要：本发明公开了一种基于神经网络的厨余垃圾检测方法，包括获取已经进行标注后的厨余垃圾图像数据集并增强；基于Transformer神经网络和原型对比学习算法构建厨余垃圾检测初始模型并训练得到厨余垃圾检测模型；采用厨余垃圾检测模型进行实际的厨余垃圾检测。本发明具有较强的实际应用价值；通过引入原型对比学习，在模型学习分类任务和回归任务的同时学习类别原型特征，增大异类原型和样本特征间距，减小同类原型和样本特征间距，使网络能够提取更具有区分意义的类别特征；在类别原型学习的基础上，通过损失函数监督增大类别原型间距，使模型能够学习到更优的类别原型，提升生活厨余垃圾检测精度；而且可靠性高、精确性好。
基于神经网络垃圾检测方法

[发明专利]一种基于跨图像一致性的图像语义分割方法及其系统-CN202210654528.5在审
发明人： 方乐缘;吴林山;刘强 -专利权人：湖南大学
申请日： 2022-06-10 - 公布日： 2022-09-13 - 主分类号： G06V10/22 文献下载
摘要：本发明公开了一种基于跨图像一致性的图像语义分割方法及其系统，所述方法包括：1、训练语义分割网络；2、选择一张未标记图像，并到找一张具有相同类别k的标记图像，得到伪标签上区域为类别k的第二掩膜，和标签上区域为类别k的第一掩膜；3、用语义分割网络提取标记图像的第一深度特征，并找到第一深度特征中属于类别k的特征；4、共同优化语义分割网络；5、依据伪标签的可靠性修正未标注图像的伪标签；6、重复2至5，直至未标注图像库所对应的伪标签集全部修正完毕。本发明提出的图像语义分割方法，仅用少量的标记图像和大量的未标记图像进行训练，减少人工标注标签成本的同时，能准确地对图像进行语义分割。
一种基于图像一致性语义分割方法及其系统

[发明专利]一种基于置信度滤波的水体图像提取方法及其系统-CN202210660652.2在审
发明人： 方乐缘;鲁鸣;刘强 -专利权人：湖南大学
申请日： 2022-06-10 - 公布日： 2022-09-02 - 主分类号： G06V20/10 文献下载
摘要：一种基于置信度滤波的水体图像提取方法及其系统，方法包括如下步骤：1、获取水体遥感图像；2、将遥感图像划分为有标签的样本集和无标签的样本集，训练基准网络；3、计算获得平均预测结果；4、对平均预测结果进行滤波，得到无标签样本掩膜，并对无标签样本掩膜取反得到有标签样本掩膜；5、形成新的样本集；6、生成新样本集对应的标签；7、训练一个最终模型，将最终模型预测的结果作为最终水体图像提取结果。本发明能够将一致性准则和模型预测的熵极小化相结合，充分利用无标签数据，提高模型的泛化能力与鲁棒性，大幅降低在仅使用少量有标签数据情况下模型的错误率，实现了对水体图像的精确提取。
一种基于置信滤波水体图像提取方法及其系统

[发明专利]基于原型对比学习的遥感图像目标检测系统及方法-CN202210643115.7在审
发明人： 方乐缘;郭广淼;刘强;李庆鹏 -专利权人：湖南大学
申请日： 2022-06-08 - 公布日： 2022-08-30 - 主分类号： G06V10/25 文献下载
摘要：基于原型对比学习的遥感图像目标检测系统及方法，所述系统包括连接的特征图提取模块、区域特征提取模块以及与区域特征提取模块分别连接的类别对比模块、位置预测模块和类别预测模块；特征图提取模块用于在遥感图像中提取多尺度的特征图；区域特征提取模块用于在特征图内筛选多个感兴趣区域，并提取每个感兴趣区域的特征向量；类别对比模块用于将特征向量与对应的初始类别原型进行比对；位置预测模块用于对目标进行位置预测；类别预测模块用于对目标进行类别预测；本发明利用目标的高级语义特征进行对比学习，具有较强的泛化性和可移植性；同时本发明在不增加训练与测试成本的情况下，对目标的判别性特征进行重点关注，提升了遥感目标检测的精度。
基于原型对比学习遥感图像目标检测系统方法

[发明专利]通道剪枝方法、目标检测方法及遥感图像车辆检测方法-CN202210738608.9在审
发明人： 方乐缘;朱定舜;吴洁 -专利权人：湖南大学
申请日： 2022-06-28 - 公布日： 2022-08-16 - 主分类号： G06V20/17 文献下载
摘要：本发明公开了一种通道剪枝方法，包括确定目标网络模型；训练目标网络模型得到基础网络模型；将基础网络模型的卷积层等价解耦得到基础网络解耦模型；训练基础网络解耦模型得到解耦模型；确定最终能够被压缩的通道和保留的通道；对解耦模型进行等价合并得到通道剪枝后的网络模型，完成最终的通道剪枝。本发明还公开了一种包括所述通道剪枝方法的目标检测方法，以及包括所述目标检测方法的遥感图像车辆检测方法。本发明将模型中的卷积层等价解耦为原卷积和结构卷积的级联，分开训练并等价合并为原网络，最后根据结构卷积中的参数进行通道的裁剪；因此本发明方法不仅能够保持模型原有精度，而且压缩率高、可靠性好。
通道剪枝方法目标检测遥感图像车辆

1
2
3
下一页»
尾页
共 33 条