-
公开(公告)号：CN113220926A
公开(公告)日：2021-08-06
申请号：CN202110489372.5
申请日：2021-05-06
申请人： 安徽大学 , 南京市公安局刑事侦查局 , 杭州创恒电子技术开发有限公司
IPC分类号： G06F16/583 , G06N3/04 , G06N3/08
摘要： 本发明涉及一种基于多尺度局部注意力增强网络的足迹图像检索方法，与现有技术相比解决了足迹图像检索准确率低、速度慢的缺陷。本发明包括以下步骤：训练样本的获取和预处理；构建足迹图像检索模型；训练足迹图像检索模型；待检索足迹图像的获取；足迹图像检索结果的获得。本发明能够提取到更多有效的细粒度特征，进一步挖掘图像的特征表征能力，提高足迹图像检索的速度和准确率。
-
公开(公告)号：CN113220926B
公开(公告)日：2022-09-09
申请号：CN202110489372.5
申请日：2021-05-06
申请人： 安徽大学 , 南京市公安局刑事侦查局 , 杭州创恒电子技术开发有限公司
IPC分类号： G06F16/583 , G06N3/04 , G06N3/08
摘要： 本发明涉及一种基于多尺度局部注意力增强网络的足迹图像检索方法，与现有技术相比解决了足迹图像检索准确率低、速度慢的缺陷。本发明包括以下步骤：训练样本的获取和预处理；构建足迹图像检索模型；训练足迹图像检索模型；待检索足迹图像的获取；足迹图像检索结果的获得。本发明能够提取到更多有效的细粒度特征，进一步挖掘图像的特征表征能力，提高足迹图像检索的速度和准确率。
-
公开(公告)号：CN116416427A
公开(公告)日：2023-07-11
申请号：CN202211626266.8
申请日：2022-12-15
申请人： 安徽大学 , 杭州创恒电子技术开发有限公司
IPC分类号： G06V10/26 , A61B5/1174 , G06V10/24
摘要： 本发明涉及足迹提取领域，尤其涉及现场足迹智能提取方法，包括以下步骤：利用YoloV5模型对包围在足迹区域外侧的直角足迹标尺进行三点标记构成等效直角三角形，根据所述等效直角三角形的直角位置的角度变化提供拍摄角度的修正提示，并以修正后的拍摄角度拍摄足迹区域图像，将足迹区域图像导入深度网络中分离足迹区域图像的前景以获取足迹分割图。本发明利用三点标记的方法形成等效直角三角形，以三角形的直角部分作为畸变检测，当拍摄时的拍摄图像中的直角位置的实际角度不等于90°时，进行角度修正提示，直至操作人员的拍摄角度能够达到垂直水平，保证拍摄照片的准确性。
-
公开(公告)号：CN118691796A
公开(公告)日：2024-09-24
申请号：CN202410792004.1
申请日：2024-06-19
申请人： 安徽大学
摘要： 本发明公开了一种基于模型压缩的目标检测方法，包括：1、构建包含目标物体的图像数据集，包括视频采集、视频截帧、图像构建以及物体标注；2、构建基于教师网络和学生网络的目标检测压缩模型；3、构建目标检测损失函数；4、构建总体损失函数，去约束教师检测器和学生检测器的训练；5、构建量化感知训练，对学生检测器进行模型压缩。本发明通过注意力分配，实现了教师检测器和学生检测器知识的跨层关联，借助总体损失函数的约束，实现了教师检测器和学生检测器知识的迁移，大大提升了学生检测器对视频中目标物体的检测能力，采用量化感知训练，实现了学生检测器的模型压缩，大大提升了学生检测器在目标物体检测任务中的运行效率。
-
公开(公告)号：CN118608871A
公开(公告)日：2024-09-06
申请号：CN202410878698.0
申请日：2024-07-02
申请人： 安徽大学
IPC分类号： G06V10/764 , G06V10/766 , G06V10/774 , G06V10/75 , G06V10/74 , G06N20/00
摘要： 本发明公开了一种基于标记预测和标记增强的图像多维分类方法，包括：1构建图像多维分类训练集，2通过一对一编码将图像样本原本的标记转换为三元标记，3通过构建标记增强模型将图像样本原来的逻辑标记恢复成实数型标记分布，4基于实数型标记分布构建多输出回归模型，5将实数型标记转换成三元标记得出未知样本的预测结果。本发明通过转换图像的特征空间和标签空间的流形结构为两个独立的概率分布，促进二者紧密匹配，从而提升区分度，确保特征差异大的图像能获得更为独特的标签分布。
-
公开(公告)号：CN116935303A
公开(公告)日：2023-10-24
申请号：CN202211328891.4
申请日：2022-10-27
申请人： 安徽大学
IPC分类号： G06V20/52 , G06V10/44 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/08
摘要： 本发明涉及计算机视觉技术领域，解决了弱监督方法会引入大量标签噪声的技术问题，尤其涉及一种弱监督自训练视频异常检测方法，该检测方法包括以下步骤：S1、获取视频异常检测数据集并将其划分为训练集和测试集；S2、搭建异常检测模型并采用训练集进行训练，异常检测模型包括第一阶段网络模型和第二阶段网络模型；若异常得分大于阈值，则为异常片段；若异常得分小于阈值，则为正常片段。S3、将待检测视频输入至训练后的异常检测模型中预测每个视频片段的异常得分，根据异常阈值对视频片段中的异常进行检测。本发明达到了利用先验知识生成高置信度的伪标签，提高异常检测准确率的目的。
-
公开(公告)号：CN116935114A
公开(公告)日：2023-10-24
申请号：CN202310880906.6
申请日：2023-07-18
申请人： 安徽大学
IPC分类号： G06V10/764 , G06V10/774 , G06V10/74 , G06V10/766
摘要： 本发明公开了一种基于标记增强的图像多维分类方法，包括：1)构建多维分类训练集；2)对训练集中图像样本的标记进行编码，将原始标记空间编码成三元标记空间；3)构建基于概率的标记增强模型来丰富编码标记空间中的监督信息，获得实数型标记分布；4)基于实数型标记分布构建多输出回归模型；5)对未知类图像样本进行预测。本发明通过构建基于概率的标记增强模型获得图像样本的实数型标记分布，使得特征差异较大的图像样本恢复出更具区分度的标记分布，从而解决在标记分布空间上的数据拥挤问题，并将图像的多维分类问题转化成了一个多输出回归问题，并基于实数型标记分布来构建多输出回归模型，从而提高了对图像多维分类的准确性。
-
公开(公告)号：CN116580345A
公开(公告)日：2023-08-11
申请号：CN202211327771.2
申请日：2022-10-27
申请人： 安徽大学
IPC分类号： G06V20/52 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明涉及视频异常行为检测技术领域，解决了现有检测方法中对于视频异常行为检测识别精度低、视频中重要的时序关系被忽略、对异常片段的鲁棒性差的技术问题，尤其涉及一种弱监督视频异常行为检测方法，包括以下步骤：S10、获取若干视频数据作为训练集和测试集；S20、对训练集进行预处理并提取视频数据的第一原始特征；S30、搭建异常行为检测模型，异常行为检测模型包括多尺度时序卷积网络模块和自注意力模块。本发明在多实例学习的基础上引入多尺度时序卷积网络，获取视频片段之间的长短期时序信息，获取精确到片段级别的异常评分，弱监督方法在降低人工标注成本的同时提高了异常事件检测的准确率。
-
公开(公告)号：CN113949646B
公开(公告)日：2023-06-13
申请号：CN202111202729.3
申请日：2021-10-15
申请人： 安徽大学
IPC分类号： H04L41/5009 , H04L41/147 , H04L41/14 , H04L67/02 , H04L43/08
摘要： 本发明提出了一种基于深度学习的Web服务QoS预测方法，其步骤包括：1.获取Web服务数据集；2建立结合局部和全局位置信息的深度协同过滤模型DCLG；3.利用建立好的模型实现预测，以达到预测Web服务QoS值的目的。本发明能克服现有预测模型没有同时考虑用户和服务的局部和全局位置信息的缺陷，并且通过多层感知器获取用户和服务的高维非线性特征，同时结合用户和服务向量的点乘来补充学习低维线性特征，最后在六种不同的稀疏密度下均可取得较好的预测精度。
-
公开(公告)号：CN115919353A
公开(公告)日：2023-04-07
申请号：CN202210509548.3
申请日：2022-05-11
申请人： 安徽大学
摘要： 本发明涉及一种基于声谱热图的心音诊断系统，包括：心音数据预处理模块，心音声谱图特征提取模块和心音组合多分类模块，所述心音数据预处理模块与所述心音声谱图特征提取模块连接，所述心音声谱图特征提取模块与所述心音组合多分类模块连接；所述心音数据预处理模块用于接收患者身体不少于一个部位的心音数据并对所述心音数据进行预处理；所述心音声谱图特征提取模块用于根据接收的预处理数据提取出心音声谱图特征数据，所述心音组合多分类模块用于根据所述的心音声谱图特征数据评估患者健康状况。本发明实施例针对房缺，冠心病和二尖瓣类等心血管疾病具有较高的实用价值。
-
-
-
-
-
-
-
-
-
搜索结果
108 条记录 (耗时 0.09 秒)
