-
公开(公告)号：CN116958783A
公开(公告)日：2023-10-27
申请号：CN202310916579.5
申请日：2023-07-24
申请人： 中国矿业大学
摘要： 本发明公开了基于深度残差二维随机配置网络的轻量型图像识别方法，涉及快速建模识别方法领域，包括以下步骤：S1：获取图像数据集；S2：逐层建立轻量型图像识别网络；S3：设置每层容差为建立新层的条件，并构建残差连接作为新层输入。本发明采用上述步骤，使用图像直接作为建模数据，保留图像的完整空间位置信息，引入深度残差随机配置神经网络，克服了单层网络学习能力不足和网络随着层数加深导致原始信息丢失的问题，并且在深度残差随机配置神经网络的层数和每层节点设置上，采用自适应算法设置，达到根据任务复杂度自动选择层数和每层节点数，克服了现有方法需要反复实验和先验经验来调整层数和节点数的缺点，大大提高了效率和实用性。
-
公开(公告)号：CN117237391A
公开(公告)日：2023-12-15
申请号：CN202311179156.6
申请日：2023-09-12
申请人： 中国矿业大学 , 山东玲珑机电有限公司 , 广西玲珑轮胎有限公司 , 山东摩西网络科技有限公司 , 中泰信合智能科技有限公司 , 湖北玲珑轮胎有限公司
摘要： 本发明公开了一种基于机器视觉的轮廓检测方法，涉及工业检测技术领域，包括以下步骤：S1：图片拼接，通过线阵相机获取图片，将左侧相机和右侧相机获取到的所有图片进行纵向拼接，消除偏差后拼接得到大图；S2：图像增强，得到完整的大图后，使用伽马变换增强图像；S3：得到增强后的图片后，进行亚边缘提取，获取所有轮廓边缘点坐标；S4：根据获取的轮廓边缘点坐标，去除噪声；S5：完善边缘点坐标。S6：完整遍历一个周期后，得到一系列轮廓点坐标，根据离散点坐标获取当前物体的位置和姿态以及尺寸信息；本发明采用上述的一种基于机器视觉的轮廓检测方法，解决了轮廓线不完整，轮廓线有重影且只针对一块物体进行检测的问题。
-
公开(公告)号：CN116958783B
公开(公告)日：2024-02-27
申请号：CN202310916579.5
申请日：2023-07-24
申请人： 中国矿业大学
摘要： 本发明公开了基于深度残差二维随机配置网络的轻量型图像识别方法，涉及快速建模识别方法领域，包括以下步骤：S1：获取图像数据集；S2：逐层建立轻量型图像识别网络；S3：设置每层容差为建立新层的条件，并构建残差连接作为新层输入。本发明采用上述步骤，使用图像直接作为建模数据，保留图像的完整空间位置信息，引入深度残差随机配置神经网络，克服了单层网络学习能力不足和网络随着层数加深导致原始信息丢失的问题，并且在深度残差随机配置神经网络的层数和每层节点设置上，采用自适应算法设置，达到根据任务复杂度自动选择层数和每层节点数，克服了现有方法需要反复实验和先验经验来调整层数和节点数的缺点，大大提高了效率和
-
公开(公告)号：CN117892233B
公开(公告)日：2024-09-06
申请号：CN202410054663.5
申请日：2024-01-12
申请人： 中国矿业大学
IPC分类号： G06F18/2431 , G06F18/2415 , G06N3/047 , G06N3/0895
摘要： 本发明公开了一种基于多类别指数损失函数的不平衡数据软分类方法，步骤如下：加载不平衡数据类，并划分为训练集和测试集；根据样本权重Dm训练第m个弱学习器BLm；通过监督指标为BLm添加节点并计算当前样本权重下BLm的分类误差率errorm；若小于errorm‑1，则停止添加节点并计算BLm权重vm；更新样本权重Dm+1，开始BLm+1建模，若大于则继续添加节点，直到#imgabs0#满足预设误差，建模过程结束。本发明采用上述的一种基于多类别指数损失函数的不平衡数据软分类方法，基于信息熵更新和Softmax的增量式软分类网络作为基分类器，引入不平衡样本权重并基于多类别指数损失函数自适应添加基分类器，得到可输出概率分布的强分类网络。
-
公开(公告)号：CN117892233A
公开(公告)日：2024-04-16
申请号：CN202410054663.5
申请日：2024-01-12
申请人： 中国矿业大学
IPC分类号： G06F18/2431 , G06F18/2415 , G06N3/047 , G06N3/0895
摘要： 本发明公开了一种基于多类别指数损失函数的不平衡数据软分类方法，步骤如下：加载不平衡数据类，并划分为训练集和测试集；根据样本权重Dm训练第m个弱学习器BLm；通过监督指标为BLm添加节点并计算当前样本权重下BLm的分类误差率errorm；若小于errorm‑1，则停止添加节点并计算BLm权重vm；更新样本权重Dm+1，开始BLm+1建模，若大于则继续添加节点，直到#imgabs0#满足预设误差，建模过程结束。本发明采用上述的一种基于多类别指数损失函数的不平衡数据软分类方法，基于信息熵更新和Softmax的增量式软分类网络作为基分类器，引入不平衡样本权重并基于多类别指数损失函数自适应添加基分类器，得到可输出概率分布的强分类网络。
-
-
-
-
搜索结果
5 条记录 (耗时 0.022 秒)
