-
公开(公告)号：CN116468890A
公开(公告)日：2023-07-21
申请号：CN202310390433.1
申请日：2023-04-11
申请人： 湖南大学
IPC分类号： G06V10/26 , G06V10/82 , G06N3/08 , G06V10/764 , G06V10/762 , G06V10/40 , G06N3/0464
摘要： 本发明提供了一种基于特征聚类的无监督领域自适应语义分割方法，包括如下步骤：步骤S1、建立有标签的源域场景数据集和无标签的目标域场景数据集；步骤S2、建立基于特征聚类的语义分割模型训练框架；步骤S3、将源域场景数据集的图像和目标域场景数据集的图像分别输入；步骤S4、获得类条件特征映射图，获得源域场景的类条件特征精炼图，获得目标域场景的类条件特征精炼图；步骤S5、计算得到每一个类别的特征聚类质心，再计算损失；步骤S6、参数优化，迭代运行以得到参数优化后的分割网络和评论家网络。本发明聚类质心的偏移小，使在虚拟源域数据上训练的模型性能在实际目标域场景数据上性能好。
-
公开(公告)号：CN115979973A
公开(公告)日：2023-04-18
申请号：CN202310271270.5
申请日：2023-03-20
申请人： 湖南大学
IPC分类号： G01N21/25 , G01N33/15 , G06V10/764 , G06V10/58 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0464
摘要： 一种基于双通道压缩注意力网络的高光谱中药材鉴别方法，包括：1、构建第一金银花中药材高光谱数据集和第二金银花中药材高光谱数据集；2、构建分组融合模块，将第一金银花中药材高光谱数据集输入到分组融合模块，最终生成空间通道的输入矩阵和光谱通道的输入矩阵；3、搭建空谱双通道压缩注意力网络模型，优化空谱双通道压缩注意力网络模型的参数；4、利用第二金银花中药材高光谱数据集对训练后的空谱双通道压缩注意力网络模型进行验证。本发明利用分组融合模块降低了高光谱数据的冗余程度，同时利用双通道压缩注意力网络学习金银花高光谱数据的空谱特征表示，减少了有效信息丢失，降低了注意力计算的资源消耗，提高了金银花的鉴别精度。
-
公开(公告)号：CN114779792B
公开(公告)日：2022-09-09
申请号：CN202210694891.X
申请日：2022-06-20
申请人： 湖南大学
IPC分类号： G05D1/02
摘要： 只需一组网络参数就可以适用于处理各种情况，本发明公开了一种基于模仿与强化学习的 即网络具有较好的泛化性。医药机器人自主避障方法及系统，该方法包括：步骤1：设置医药机器人医药搬运场景；步骤2：获取专家演示二元组数据；步骤3：构建基于模仿学习和强化学习的医药机器人移动控制模型；步骤4：模型训练；步骤5：对医药机器人进行自主控制。本发明在医药机器人移动控制模型中将图注意模块引入价值网络中，使能够适应智能体和障
-
公开(公告)号：CN114092509A
公开(公告)日：2022-02-25
申请号：CN202111341858.0
申请日：2021-11-12
申请人： 湖南大学
摘要： 本发明公开了一种医药高光谱数据的图像重构方法，在通过高光谱相机获取到医药高光谱数据后，首先采用数据预处理的方法，对采集的原始数据进行筛选和裁剪，预处理部分为数据集的建立提供了保障，在保留医药产品特性和对比度的同时，极大程度去除托盘背景部分的干扰；其次，通过构建的卷积自编码器，学习医药高光谱的非线性表示，最后通过求解全局非线性最优化问题，通过保真度先验，将学习到的非线性表示的保真度和空间域梯度的稀疏性统一起来，从编码后的图像重构出高光谱图像。本发明显然能够提升重构准确率，提高信噪比，降低硬件设备存储压力。
-
公开(公告)号：CN113989525A
公开(公告)日：2022-01-28
申请号：CN202111593705.5
申请日：2021-12-24
申请人： 湖南大学
IPC分类号： G06V10/44 , G06V10/762 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06N20/10
摘要： 本发明公开了自适应随机块卷积核网络的高光谱中药材鉴别方法，基于最优聚类框架，获得中药材高光谱图像最优波段子集，再采用集群排序方法有效地从最优波段子集中选出最佳特征波段；使用随机投影方法将从中药材高光谱图像中提取的随机块作为卷积核；然后使用像素自适应方法修改卷积核，并基于中药材特征波段图像进行特征提取；再次，使用分层网络提取中药材的特征，并结合中药材高光谱最佳波段影像数据，构建中药材高光谱训练集与测试集；最后使用SVM对训练集进行训练得到分类预测模型，基于该模型对中药材测试集进行预测，大幅度提高了中药材的鉴别分类精度，解决了中药材种类多样、成分复杂的鉴别难题，可适用于各类中药材的快速无损鉴别。
-
公开(公告)号：CN113269196A
公开(公告)日：2021-08-17
申请号：CN202110811547.X
申请日：2021-07-19
申请人： 湖南大学
摘要： 本发明公开了一种图卷积神经网络高光谱医药成分分析的实现方法，一方面，将医药高光谱图像数据处理成图数据，大幅度降低了像素数量，有效减少了数据量；另一方面，以图卷积神经网络模型提取药物的特征信息，有效地学习了药物高光谱图像中的视觉特征与药物成分间的空间关系，提升了药物成分分类特征的表示能力，提高了被测药物的成分和属性精度，可实现对药物成分与质量的无损、快速检测分析。
-
公开(公告)号：CN113252701A
公开(公告)日：2021-08-13
申请号：CN202110746924.6
申请日：2021-07-02
申请人： 湖南大学
摘要： 本发明公开了一种基于云边协同的输电线路绝缘子自爆缺陷检测系统及方法，包括无人机、边缘端和云端，边缘端搭载在无人机上，并与云端通信连接，边缘端部署有无锚框的轻量化小型神经网络，云端部署有无监督的生成式大型神经网络，无人机用于实时采集绝缘子图片，生成绝缘子监测数据集，边缘端对绝缘子监测数据集进行检测与定位，初步得到绝缘子检测结果，同时该绝缘子监测数据集经预处理后生成无背景信息的正常绝缘子图片，之后将无背景信息的正常绝缘子图片发送至云端，云端对无背景信息的正常绝缘子图片进行精确检测得出绝缘子自爆的缺陷位置，检测精准、网络资源利用率高、数据处理量大。
-
公开(公告)号：CN112967271A
公开(公告)日：2021-06-15
申请号：CN202110317123.8
申请日：2021-03-25
摘要： 本发明提供了一种基于改进DeepLabv3+网络模型的铸件表面缺陷识别方法包括如下步骤：步骤S1、采集铸件图像数据集，获得训练集和测试集；步骤S2、构建网络模型，并通过训练集和测试集对网络模型进行数据训练和修正，生成缺陷检测网络；步骤S3、设计缺陷检测网络的损失函数；步骤S4、所述缺陷检测网络识别并输出铸件缺陷检测结果，并显示检测时长。本发明采用深度学习的方法对铸件表面缺陷进行识别，提升了缺陷识别的精度和速度，为工业铸件质量检测提供新思路。
-
公开(公告)号：CN114004960B
公开(公告)日：2024-06-18
申请号：CN202111360605.8
申请日：2021-11-17
申请人： 湖南大学
IPC分类号： G06V10/147 , G02B27/00 , G02B7/182 , G02B17/00 , G06V10/58
摘要： 本发明公开了一种医药检测的高光谱双模成像系统及方法，包括第一光源、第二光源、高光谱相机、样品台、滑行组件、平面反射镜、匀光面板和控制装置，第一光源、匀光面板和高光谱相机从左至右依次设置，且三者的中心点在一条直线上，第一光源、匀光面板均位于样品台的左侧，高光谱相机位于样品台的右侧，第一光源、匀光面板和高光谱相机组成透射成像装置，平面反射镜和第二光源均按预设角度设置于样品台的上方，第二光源、平面反射镜和高光谱相机组成反射成像装置，高光谱相机可滑行地安装于滑行组件上，高光谱相机与控制装置连接，高光谱相机上设置有压缩感知模块，压缩感知模块采用预设的正则化正交匹配追踪重构算法。其结构简单且检测精准。
-
公开(公告)号：CN115994983B
公开(公告)日：2023-06-02
申请号：CN202310298901.2
申请日：2023-03-24
申请人： 湖南大学
摘要： 本发明公开了一种基于快照式编码成像系统的医药高光谱重构方法，采集医药高光谱原始图像并处理，得到增强后的医药高光谱图像，经过模拟空间编码，获得编码后的测量图像，对编码后的测量图像进行光谱反移位后作反向编码处理，得到反向编码后的三维高光谱图像，将增强后的医药高光谱图像作为目标图像，根据反编码后的测量图像和目标图像构建训练集和测试集；搭建深度对称神经重构网络，并通过训练集和测试集进行训练和测试；将测试后的深度对称神经重构网络部署到快照式编码成像系统，利用快照式编码成像系统实时采集得到医药测量图像，经过计算重构，得到重构的三维高光谱图像。该方法能够实现对快照式成像系统医药高光谱的高质量重构。
-
-
-
-
-
-
-
-
-
搜索结果
46 条记录 (耗时 0.026 秒)
