一种基于卷积神经网络的图片分类方法

    公开(公告)号:CN106250911A

    公开(公告)日:2016-12-21

    申请号:CN201610576965.4

    申请日:2016-07-20

    CPC classification number: G06K9/6267 G06K9/6256

    Abstract: 本发明涉及一种基于卷积神经网络的图片分类方法,针对卷积神经网络架构进行改进,在隐含层中新增特征过滤层,通过对卷积网络提取的大量特征进行过滤,去除部分带有较多噪声的特征,提高卷积网络训练效率,减少训练时间,降低内存使用需求,并且集合多种训练技巧,使卷积神经网络训练收敛到更好的解,避免训练参数陷入局部最小区域,通过减少网络参数数量,降低神经网络过拟合的可能,进而能够有效提高图像分类准确性和效率。

    一种基于卷积神经网络的图片分类方法

    公开(公告)号:CN106250911B

    公开(公告)日:2019-05-24

    申请号:CN201610576965.4

    申请日:2016-07-20

    Abstract: 本发明涉及一种基于卷积神经网络的图片分类方法,针对卷积神经网络架构进行改进,在隐含层中新增特征过滤层,通过对卷积网络提取的大量特征进行过滤,去除部分带有较多噪声的特征,提高卷积网络训练效率,减少训练时间,降低内存使用需求,并且集合多种训练技巧,使卷积神经网络训练收敛到更好的解,避免训练参数陷入局部最小区域,通过减少网络参数数量,降低神经网络过拟合的可能,进而能够有效提高图像分类准确性和效率。

    一种冠状动脉的分层显示方法

    公开(公告)号:CN106169190A

    公开(公告)日:2016-11-30

    申请号:CN201610517912.5

    申请日:2016-07-01

    CPC classification number: G06T11/008 G06T2210/41 G06T2211/404

    Abstract: 本发明公开了一种冠状动脉的分层显示方法,属于医学图像处理和应用领域。该方法首先读取冠状动脉的原始图像;然后对读取的冠状动脉图像进行曲面重建;利用水平集方法来提取冠状动脉,将每一层提取的冠脉进行叠加,实现冠脉的分层显示;本发明简单实用,可以较快速、准确的提取出冠脉,可用于冠脉诊断的辅助手段。冠脉等血管形态细小,形状复杂,而且容易发生变形,不容易处理。本发明把弯曲的冠脉,通过曲面重建的方法拉直展开,解决了血管难以处理的问题。而且传统的冠脉提取,需要先提取出中心线,复杂度高,计算量大,本发明将所得的切片的中心作为水平集方法的种子点,可以实现冠脉的自动提取。

    水下机器人自主巡线及水面监控的方法

    公开(公告)号:CN109557917A

    公开(公告)日:2019-04-02

    申请号:CN201811472498.6

    申请日:2018-12-04

    Abstract: 本发明公开水下机器人自主巡线及水面监控的方法,包括以下步骤:S1.预设水下机器人的运动路径并建模;S2.建立水下机器人自主巡线控制系统;S3.水下机器人航行至指定位置后,绘制水下机器人动态显示自身信息的SVG格式图片;S4.启动传感器,对水下机器的周围环境信息及水下机器人的自身数据进行采集;S5.利用SOCKET网络通信技术,将步骤S4中采集到的传感器数据发送到上位机监控软件;S6.在上位机软件中对接收到的数据进行校验和拆包处理,并将校验正确的数据动态显示在SVG控件中。本发明能够实现水下机器人的自主巡线且能够动态显示监控数据,克服了现有数据显示的不足,且自主巡线大大提高水下机器人的巡线效率和精度。

Patent Agency Ranking