-
公开(公告)号：CN115131561B
公开(公告)日：2024-11-08
申请号：CN202210779475.X
申请日：2022-07-04
Applicant: 中南大学
IPC: G06V10/26 , G06V20/70 , G06V10/52 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/048
Abstract: 本公开实施例中提供了一种基于多尺度特征提取与融合的钾盐浮选泡沫图像分割方法，属于图像处理技术领域，具体包括：采集钾盐粗选过程的泡沫图像，标注泡沫图像中各个泡沫边缘的多个像素点获取泡沫所在区域，进而得到语义分割标签图像后，由泡沫图像和语义分割标签图像构建原始数据集，并扩充原始数据集的样本，划分为训练集和测试集；构建浮选泡沫图像分割深度神经网络模型；以训练集作为输入，对浮选泡沫图像分割深度神经网络模型进行训练；获取待分割的浮选泡沫图像并裁剪至指定尺寸，随后输入到训练完成的浮选泡沫图像分割深度神经网络模型，得到分割结果。通过本公开的方案，提高了钾盐浮选泡沫图像的分割精准度。
-
公开(公告)号：CN115131561A
公开(公告)日：2022-09-30
申请号：CN202210779475.X
申请日：2022-07-04
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种基于多尺度特征提取与融合的钾盐浮选泡沫图像分割方法，属于图像处理技术领域，具体包括：采集钾盐粗选过程的泡沫图像，标注泡沫图像中各个泡沫边缘的多个像素点获取泡沫所在区域，进而得到语义分割标签图像后，由泡沫图像和语义分割标签图像构建原始数据集，并扩充原始数据集的样本，划分为训练集和测试集；构建浮选泡沫图像分割深度神经网络模型；以训练集作为输入，对浮选泡沫图像分割深度神经网络模型进行训练；获取待分割的浮选泡沫图像并裁剪至指定尺寸，随后输入到训练完成的浮选泡沫图像分割深度神经网络模型，得到分割结果。通过本公开的方案，提高了钾盐浮选泡沫图像的分割精准度。
-
公开(公告)号：CN114510970B
公开(公告)日：2025-04-04
申请号：CN202210092432.4
申请日：2022-01-26
Applicant: 中南大学
IPC: G10L25/51 , G10L25/30 , G10L25/18 , G06N3/0464 , G06N3/0895 , G06N3/096
Abstract: 本发明提供了一种基于音频信号特征的浮选过程工况识别方法，包括：步骤1，数据准备与数据预处理，具体包括数据的获取、降噪和工况类别划分；步骤2，根据梅尔声谱图纵轴代表的频率物理意义，放大浮选音频信号中关键频段所占比例，减小不重要频段的影响，构建基于特征注意力机制的浮选音频梅尔声谱图。本发明通过观察梅尔谱图中不同频段对识别结果的影响，找出关键频段，构建基于注意力机制的浮选音频梅尔声谱图，进行特征的初步提取，在建立模型时引入迁移学习，通过模型本身的输出特性筛选出最可能识别正确的测试集数据并打上伪标签，同时对齐数据的边缘分布和条件分布来确保迁移时仍能产生良好的分类界限，达到提高模型泛化性能的目的。
-
公开(公告)号：CN114510970A
公开(公告)日：2022-05-17
申请号：CN202210092432.4
申请日：2022-01-26
Applicant: 中南大学
Abstract: 本发明提供了一种基于音频信号特征的浮选过程工况识别方法，包括：步骤1，数据准备与数据预处理，具体包括数据的获取、降噪和工况类别划分；步骤2，根据梅尔声谱图纵轴代表的频率物理意义，放大浮选音频信号中关键频段所占比例，减小不重要频段的影响，构建基于特征注意力机制的浮选音频梅尔声谱图。本发明通过观察梅尔谱图中不同频段对识别结果的影响，找出关键频段，构建基于注意力机制的浮选音频梅尔声谱图，进行特征的初步提取，在建立模型时引入迁移学习，通过模型本身的输出特性筛选出最可能识别正确的测试集数据并打上伪标签，同时对齐数据的边缘分布和条件分布来确保迁移时仍能产生良好的分类界限，达到提高模型泛化性能的目的。
-
-
-
Search Results
4
records
(took 0.018 seconds)
