-
公开(公告)号：CN116740482A
公开(公告)日：2023-09-12
申请号：CN202210189306.0
申请日：2022-02-28
申请人： 河海大学
摘要： 本发明提出了一种基于图像分割融合的水下小样本扩充方法，涉及图像处理、目标检测等领域。该方法将待融合样本进行图像分割提取出单一样本信息后，将背景颜色色调转为近似计算待融合水下背景的色调，使用泊松融合生成增加样本后的图像能达到丰富识别目标信息以及平衡训练数据的效果。使用本发明的图像样本扩充方法能够有效的结合原图像与待融合图像信息，很大程度上解决了由于水下复杂环境导致的图像样本类别不平衡问题，提高了对少样本类别的检测精度。
-
公开(公告)号：CN116740544A
公开(公告)日：2023-09-12
申请号：CN202210195105.1
申请日：2022-03-01
申请人： 河海大学
IPC分类号： G06V20/00 , G06N3/08 , G08B17/00 , G06V10/28 , G06V10/30 , G06V10/762 , G06V10/764 , G06V10/80 , G06V10/82
摘要： 本发明公开了一种基于深度学习的火焰检测方法，属于图像处理技术中的火焰检测领域，包括以下步骤：接收输入的图像，采用高斯滤波的方法对火焰图像进行去噪处理，去除图像的无用信息，提高火焰的识别精度；为减少静态背景对火焰识别的影响，采用帧差法和混合高斯模型融合算法，将火焰前景提取出来，并采用形态学处理算法消除图像中存在的缺口，从而得到更加完整的火焰目标图像；将火焰目标图像输入到YOLOv5算法模型进行训练和测试。本发明通过帧差法和混合高斯模型融合算法以及YOLOv5算法可以较好的完成火焰特征识别，相比于目前的火焰检测，具有更高的准确性和泛化能力。
-
公开(公告)号：CN116744001A
公开(公告)日：2023-09-12
申请号：CN202210195221.3
申请日：2022-03-01
申请人： 河海大学
IPC分类号： H04N19/167 , H04N19/146 , H04N19/60
摘要： 本发明公开了一种基于运动显著性信息划分感兴趣区域的视频压缩方法，涉及视频信息获取与处理、视频编码等领域。该方法引入只需要傅立叶变换与傅立叶逆变换的TFT方法将当前时刻存在的运动变化与视觉信息的工作记忆进行累加和过滤来检测运动显著性，从而得出当前运动的完整状态信息，此信息能够更加精准地区分运动目标与复杂背景，使得可以更准确地划分视频中的感兴趣区域与非感兴趣区域，最终提高了视频压缩的效率。本发明能够较高效且准确地用于背景较为复杂的视频的压缩，为大量视频信息的处理、存储提供了有效方法。
-
公开(公告)号：CN116738300A
公开(公告)日：2023-09-12
申请号：CN202210195224.7
申请日：2022-03-01
申请人： 河海大学
IPC分类号： G06F18/241 , G06F18/214 , G06F18/213 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/0499 , G06N3/082
摘要： 本发明提供了一种基于改进Transformer模型的轴承故障信号分类方法，包括；步骤S1：根据待检测轴承的相关参数信息，以及采样特征等，计算预设的特征维度；步骤S2：以预设的特征维度为根据，在采集的原始数据信号上使用滑动窗口技术转换为样本‑标签序列；步骤S3：对处理后的窗口数据使用时频处理技术实现进一步的特征提取；步骤S4：将时频技术处理后的数据转化为数据‑标签序列，并划分为训练集、测试集；步骤S5：搭建改进的Transformer模型，使用改进的Transformer模型完成对轴承故障信号的分类。本发明基于深度学习算法，解决了时序模型无法并行训练带来的效率问题，并且能够提高模型的精度。
-
-
-
搜索结果
4 条记录 (耗时 0.02 秒)
