-
公开(公告)号：CN107403183A
公开(公告)日：2017-11-28
申请号：CN201710598586.X
申请日：2017-07-21
申请人： 桂林电子科技大学
CPC分类号： G06K9/4671 , G06K9/6296
摘要： 本发明公开了一种整合目标检测和图像分割为一体的智能分割方法，该方法利用神经网络提取的高维度特征将目标提取出来，由于基于深度学习的目标检测网络Faster-RCNN具有高效性，能快速准确的将目标区域识别出来，因此可以利用该特性先将目标感兴趣区域提取出来，然后再有针对性的对该区域进行目标分割。本发明方法能够自动检测并提取感兴趣区域，能够减少GPU计算资源的占用，快速准确的将目标分割出来；在图像数量规模巨大的情况下，该方法具有高效的实施性，能够减少人工交互的过程。
-
公开(公告)号：CN106920243A
公开(公告)日：2017-07-04
申请号：CN201710141353.7
申请日：2017-03-09
申请人： 桂林电子科技大学
摘要： 本发明提出了一种改进的全卷积神经网络的陶瓷材质件序列图像分割方法，包括步骤：S10：对采集的原始图像进行手工标注，将目标和背景用不同的类别区分，得到训练标签，采用索引模式来表示训练样本的标签图；S20：构建改进的基于全卷积神经网络的网络模型，进行训练；S30：依据梯度下降算法计算损失函数和反向传播计算损失函数，对网络进行训练学习，学习速率在验证准确率停止增加时减小为原来的十分之一。全卷积神经网络是基于卷积神经网络的改进结构，在保持CNN 良好的分类性能的基础上，更好的保持了像素矩阵之间的空间位置关系，更有利于全局的特征提取，能全面学习物体的视觉特征，抗干扰性好，可自动将目标物体从背景中分割开，实现智能分割。
-
公开(公告)号：CN105072656B
公开(公告)日：2019-04-23
申请号：CN201510404338.8
申请日：2015-07-10
申请人： 桂林电子科技大学
摘要： 本发明公开了提出的一种基于K‑means聚类和蚁群算法（ant colony optimization,ACO）的分簇路由协议（K‑means clustering and ACO optimal routing，即KCAOR协议）。在多级异构无线传感器网络环境下，首先由最优簇首个数公式确定监测区域内的最佳簇域数量，然后采用K‑means聚类方法将网络中的节点自然聚集成相应的簇域；提出簇域均匀优化策略，实现网络能耗的均匀分布，再根据簇内节点的剩余能量值选举簇首；采用蚁群算法确定簇首与基站之间的多跳最优路由，均衡簇首之间的能量消耗；在数据传输的末轮，通过增加节点状态包，基站能够实时掌握网络的运行情况，实现协议的优化。本发明能够有效均衡网络的能量消耗，延长生存时间，提高无线传感器网络的性能。
-
公开(公告)号：CN107481248A
公开(公告)日：2017-12-15
申请号：CN201710633392.9
申请日：2017-07-28
申请人： 桂林电子科技大学
摘要： 本发明公开了一种图像显著区域的提取方法，其特征是，包括如下步骤：1）图像预处理；2）距离计算；3）显著值计算；4）显著值加权优化；5）显著区域的分割，完成输入图像的显著区域提取。这种方法能克服图像显著区域检测不准确导致显著区域分割提取精度和速度不佳的问题，针对自然场景的图像，这种方法能够准确地提取显著区域，得到的结果接近人工标注的真值图，符合人眼注意机制。
-
公开(公告)号：CN106920243B
公开(公告)日：2019-12-17
申请号：CN201710141353.7
申请日：2017-03-09
申请人： 桂林电子科技大学
摘要： 本发明提出了一种改进的全卷积神经网络的陶瓷材质件序列图像分割方法，包括步骤：S10：对采集的原始图像进行手工标注，将目标和背景用不同的类别区分，得到训练标签，采用索引模式来表示训练样本的标签图；S20：构建改进的基于全卷积神经网络的网络模型，进行训练；S30：依据梯度下降算法计算损失函数和反向传播计算损失函数，对网络进行训练学习，学习速率在验证准确率停止增加时减小为原来的十分之一。全卷积神经网络是基于卷积神经网络的改进结构，在保持CNN良好的分类性能的基础上，更好的保持了像素矩阵之间的空间位置关系，更有利于全局的特征提取，能全面学习物体的视觉特征，抗干扰性好，可自动将目标物体从背景中分割开，实现智能分割。
-
公开(公告)号：CN105072656A
公开(公告)日：2015-11-18
申请号：CN201510404338.8
申请日：2015-07-10
申请人： 桂林电子科技大学
摘要： 本发明公开了提出的一种基于K-means聚类和蚁群算法（ant colony optimization, ACO）的分簇路由协议（K-means clustering and ACO optimal routing，即KCAOR协议）。在多级异构无线传感器网络环境下，首先由最优簇首个数公式确定监测区域内的最佳簇域数量，然后采用K-means聚类方法将网络中的节点自然聚集成相应的簇域；提出簇域均匀优化策略，实现网络能耗的均匀分布，再根据簇内节点的剩余能量值选举簇首；采用蚁群算法确定簇首与基站之间的多跳最优路由，均衡簇首之间的能量消耗；在数据传输的末轮，通过增加节点状态包，基站能够实时掌握网络的运行情况，实现协议的优化。本发明能够有效均衡网络的能量消耗，延长生存时间，提高无线传感器网络的性能。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.052 秒)
