-
公开(公告)号：CN103440418A
公开(公告)日：2013-12-11
申请号：CN201310388266.3
申请日：2013-08-30
Applicant: 中南大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于自组织卡尔曼滤波的多传感器主动容错估计方法，该方法构建自组织卡尔曼滤波结构，利用硬故障检测阈值、软故障检测因子增减率和变化率实现故障检测，并设计补偿因子。同时根据各传感器感知信号的精度，设计信息分配系数，实现各传感器间的融合最优估计及其主动容错补偿。主要步骤包括：构建并行卡尔曼滤波子系统和参考卡尔曼滤波系统；基于自组织卡尔曼滤波的多传感器硬故障检测；基于软故障因子增减性与变化率的传感器软故障检测，并实现软故障的校正；获得最优估计值X(k)。该基于自组织卡尔曼滤波的多传感器主动容错估计方法能有效解决多传感器系统冗余信号故障检测与主动容错问题，提高多传感器系统的融合精度与容错性能。
-
公开(公告)号：CN102542260A
公开(公告)日：2012-07-04
申请号：CN201110455262.3
申请日：2011-12-30
Applicant: 中南大学
Abstract: 本发明公开了一种面向无人驾驶车的道路交通标志识别方法，包括如下步骤：1)变换图像的RGB像素值来增强交通标志特征颜色区域并用阈值分割图像；2)在灰度图像上进行边缘检测和连接，重构感兴趣区域；3)提取感兴趣区域的标记图作为其形状特征，用最近邻分类法对其区域形状进行分类，并排除非交通标志区域；4)灰度化，归一化交通标志感兴趣区域的图像，对其进行二元树复小波变换，组成图像的特征向量，用二维独立分量分析法降低特征向量的维数，并送入径向基函数核的支持向量机来判断感兴趣区域所属的交通标志类型。本发明能够稳定、高效地检测和识别无人驾驶车辆行驶环境中的多类交通标志。
-
公开(公告)号：CN101783012A
公开(公告)日：2010-07-21
申请号：CN201010139441.1
申请日：2010-04-06
Applicant: 中南大学
Abstract: 本发明公开了一种基于暗原色的自动图像去雾方法，以解决现有传统去雾方法中采用的以提高雾天图像对比度来突出细节所导致的信息损失问题。本发明提供的方法包括：A、求取原始有雾图像的暗原色图像及相关大气光值；B、通过原始有雾图像的亮度分量图求取大气散射模型中反映局部雾气浓度的传播图；C、根据大气散射模型中的有雾图像、传播图和大气光值确定去雾后的复原图像。本发明建立在物理模型的基础上，能够自适应地处理各种有雾图像，去雾后的图像具有较好的边缘细节及理想的对比度，清晰化效果优于传统的基于图像增强的去雾方法。
-
公开(公告)号：CN118710971A
公开(公告)日：2024-09-27
申请号：CN202410834427.5
申请日：2024-06-26
Applicant: 中南大学
IPC: G06V10/764 , G06V10/82 , G06T7/00 , G06T5/70 , G06T5/20 , G16H50/20 , G06N3/042 , G06N3/09 , G06N3/0464 , G06N3/047 , G06N3/048 , A61B3/113 , A61B3/12 , A61B3/14
Abstract: 本发明公开了一种基于眼动信号监督的青光眼分类方法、设备和介质，方法包括：获取专业医生在阅读眼底图像训练样本时的眼动信号和给出的青光眼分类类别；对眼动信号处理获得专家凝视注意力图像；以眼底图像为输入，以青光眼类别及其注意力图为输出，搭建青光眼分类网络，并使用眼底图像训练样本训练青光眼分类网络；其中，训练青光眼分类网络的损失，采用专家凝视注意力图像和青光眼类别作为监督信号构建得到；将眼底图像待检测样本输入至训练好的青光眼分类网络，输出得到待检测样本对应是否患有青光眼。本发明将眼动信息作为专家领域知识注入青光眼分类网络，有效提高青光眼判别的准确性，还可一定程度上解决精细标注的成本和耗时问题。
-
公开(公告)号：CN113130025B
公开(公告)日：2023-11-24
申请号：CN202010047654.5
申请日：2020-01-16
Applicant: 中南大学
Abstract: 本发明公开了一种实体关系抽取方法、终端设备及计算机可读存储介质，其方法包括：从电子病历文本数据库中人工抽取若干个符合预设实体关系的二元实体对作为种子实例；对每个种子实例，均在电子病历文本数据库中查找包括种子实例的句子，并提取该句子的特征向量；基于特征向量对种子实例进行聚类；均根据其中种子实例以及种子实例相应有句子的特征向量，生成与该聚类集群对应的提取模板；使用提取模板在电子病历文本数据库中提取候选实例；根据候选实例与提取模板之间的实体关系，计算各候选实例的置信度，以根据置信度确认是否要将该候选实例作为新的种子实例进行下一轮次迭代。本发明能够较大幅度的提高电子病历实体关系抽取的准确率。
-
Patent Agency Ranking
公开(公告)号：CN111476713B
公开(公告)日：2022-07-22
申请号：CN202010223800.5
申请日：2020-03-26
Applicant: 中南大学
IPC: G06T3/40 , G06T3/60 , G06T5/00 , G06T5/50 , G06T7/11 , G06N3/08 , G06N3/04 , G06K9/62 , G06V10/764 , G06V10/774 , G06V10/77
Abstract: 本发明公开了一种基于多深度卷积神经网络融合的天气图像智能识别方法及系统，该方法包括以下步骤：步骤A：采集图像，并对图像进行预处理；步骤B：搭建四种不同结构的深度卷积神经网络模型，分别对其全连接层进行改进，新增一层特征层，并基于步骤A得到的高质量训练数据进行网络的训练；步骤C：将所获得的四种深度学习模型新增特征层的特征提取出来，采用Xgboost集成学习模型进行训练，获得融合模型；步骤D：对需要识别的天气图像进行扩增，由获得的融合模型对扩增后的天气图像进行识别，经过投票得出最终票数最高的识别种类。本发明解决了已有传统天气识别方法手动提取图像特征的低效问题，有效提升了深度学习模型识别的准确率。
-
公开(公告)号：CN113128308A
公开(公告)日：2021-07-16
申请号：CN202010027137.1
申请日：2020-01-10
Applicant: 中南大学
Abstract: 本发明公开了一种港口场景下的行人检测方法、装置、设备及介质，其方法为：获取若干已知行人框的预处理图像，计算行人框中心在行人检测网络输出端的映射值；在行人检测网络的所有预测框中，选择与映射值匹配的预测框为正样本，其余预测框为负样本；以预处理图像作为输入、预测框的标签值作为学习目标，训练行人检测网络，得到行人检测系统；计算负样本预测框与预处理图像中所有行人框的交并比，若最大值大于0.5，则该负样本不参与训练；将待检测的预处理图像输入到行人检测系统，提取检测框；去掉行人置信度低于阈值的检测框以及重叠框，剩余的检测框即为待检测的行人框。本发明可解决目前检测方法中需要人为设计anchor的问题。
-
公开(公告)号：CN112418235A
公开(公告)日：2021-02-26
申请号：CN202011316437.8
申请日：2020-11-20
Applicant: 中南大学
Abstract: 本发明公开了一种基于膨胀最近邻特征增强的点云语义分割方法，所提出的膨胀最近邻特征增强部分包含以下步骤：步骤A：设置需要提取的邻域点数目n以及设置膨胀因子d。步骤B:采用最近邻算法提取n*d的点云数目。步骤C：以膨胀因子d为步长提取步骤B所得到的邻域点云，从而得到数目为n的邻域点云，这n个邻域点云称为膨胀邻域。步骤D：中心点云特征与步骤C得到的邻域点云特征进行特征融合，从而使得单个点云信息包含大规模局部区域结构特征。最后得到每一个点云的增强特征后进行点云语义分割。本发明利用三维膨胀最近邻模块对全部原始点云做特征增强操作，提升了点云感受野的大小，进而提升分割的精度。
-
公开(公告)号：CN109559576B
公开(公告)日：2020-07-28
申请号：CN201811367002.9
申请日：2018-11-16
Applicant: 中南大学
Abstract: 本发明公开了一种儿童伴学机器人及其早教系统自学习方法，自学习方法包括：步骤A10，训练卷积神经网络；步骤A20，采用卷积神经网络对输入的图像提取特征向量；步骤A30，采用乘积量化技术对特征向量分组量化；步骤A40，根据Imagenet数据集生成基准字母表；步骤A50，获取未知的新事物的图像和类别，提取新事物图像的特征向量并分组量化，并在基准字母表中查找匹配的新事物字符串；在联想记忆模型中将新事物字符串与类别匹配连接，实现将新事物学习到早教系统中；步骤A60，获取待识别事物的图像，早教系统识别得到待识别事物的类别。本发明可以实现与儿童一起学习新知识，共同竞赛，提高儿童学习的乐趣。
-
公开(公告)号：CN109858351A
公开(公告)日：2019-06-07
申请号：CN201811600836.X
申请日：2018-12-26
Applicant: 中南大学
Abstract: 本发明公开了一种基于层级实时记忆的步态识别方法，在新个体学习阶段，通过获取该个体不同角度的步态图片序列训练样本，以训练层级实时记忆模型，且输出层得到训练样本的聚类结果，然后根据聚类结果与身份和角度标记，计算层级实时记忆模型的输出层中的条件概率；在身份识别阶段，通过获取待识别个体的步态图片序列，层级实时记忆模型的输出层得到待识别个体的步态图片序列的聚类结果，选择与聚类结果对应的条件概率最高的身份和角度标记，作为待识别个体的身份和角度。本发明方法不但可以提取时间特征，而且多视角的共同训练克服了以往步态识别单视角的局限性，提高了步态识别的识别率。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.033 seconds)
