-
公开(公告)号：CN113408575B
公开(公告)日：2022-08-19
申请号：CN202110517024.4
申请日：2021-05-12
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于判别性区域定位的图像数据增广方法，采用CAM方法计算原始图像的类激活图，并通过将所述类激活图上采样和取阈值来定位判别性区域；数据增广操作包括两种，其中区域裁剪是通过在判别性区域中随机采样一个正方形区域，并基于所述正方形区域对原始图像进行裁剪；区域混合是随机取两张不同类别的图片，分别求出两张图片的判别性区域掩膜，再根据所述掩膜将两张图片的判别性区域和非判别性区域进行混合；每轮迭代都由原始图像生成增广样本，并与下一轮迭代的原始图像一起组成下一轮迭代的训练样本，直至训练结束。本发明可以解决传统方法生成的样本由于没有包含足够多的判别性信息而成为噪声样本的问题。
-
公开(公告)号：CN114758142A
公开(公告)日：2022-07-15
申请号：CN202210362809.3
申请日：2022-04-07
Applicant: 桂林电子科技大学
IPC: G06V10/30 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及深度学习技术领域，尤其涉及一种鲁棒去噪框架的带噪声标签图像分类方法，首先原始数据输入到预训练卷积网络中，进行前向传播，将预测标签与真实标签通过SCE损失函数计算损失，反向传播更新参数，输出预训练模型，然后利用O2U‑Net的训练方式，尽可能的剔除带噪声的标签，最后利用去噪后的数据加载预训练模型，然后利用SCE损失函数计算损失，并将损失进行反向传播更新网络参数，直到训练轮次结束，输出最终分类模型，本发明利用噪声标签清除方案降低噪声率，进而在低噪声率的条件下利用鲁棒损失函数，得到了相比单独使用鲁棒损失函数或噪声标签清理方案更好的分类精度。
-
公开(公告)号：CN113408575A
公开(公告)日：2021-09-17
申请号：CN202110517024.4
申请日：2021-05-12
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于判别性区域定位的图像数据增广方法，采用CAM方法计算原始图像的类激活图，并通过将所述类激活图上采样和取阈值来定位判别性区域；数据增广操作包括两种，其中区域裁剪是通过在判别性区域中随机采样一个正方形区域，并基于所述正方形区域对原始图像进行裁剪；区域混合是随机取两张不同类别的图片，分别求出两张图片的判别性区域掩膜，再根据所述掩膜将两张图片的判别性区域和非判别性区域进行混合；每轮迭代都由原始图像生成增广样本，并与下一轮迭代的原始图像一起组成下一轮迭代的训练样本，直至训练结束。本发明可以解决传统方法生成的样本由于没有包含足够多的判别性信息而成为噪声样本的问题。
-
公开(公告)号：CN111611909A
公开(公告)日：2020-09-01
申请号：CN202010421069.7
申请日：2020-05-18
Applicant: 桂林电子科技大学
Abstract: 本发明属于机器学习技术领域，本发明所涉及的域自适应人脸识别方法是人工智能的一个分支，公开了一种多子空间的域自适应人脸识别方法。提出通过多个子空间学习得到更多的判别信息，取得较好的分类模型，解决了源域样本和目标域样本数据分布不同，传统的机器学习方法在源域上训练无法在目标域数据上测试取得较好的效果的问题。本方法通过随机选择训练样本；为每个子系统学习一个公共子空间，然后分别用目标域数据进行线性组合来表示源域样本；并为每个子系统中新的源域数据学习一个判别模型；通过多数票和总和规则的策略将所有子系统结合起来得到最终的分类结果，得到有益效果。
-
公开(公告)号：CN109034080A
公开(公告)日：2018-12-18
申请号：CN201810866120.8
申请日：2018-08-01
Applicant: 桂林电子科技大学
CPC classification number: G06K9/00288 , G06K9/00268 , G06K9/6256
Abstract: 本发明属于人工智能技术领域，本发明所涉及的域自适应方法也属于迁移学习领域的一个重要分支，公开了一种多源域自适应人脸识别的方法。提出通过学习多个源域和单个目标域的公共子空间的方法，应用于人脸识别问题。解决了对于源域和目标域不同分布的数据，且目标域数据没有或者具有少量的标签，人脸识别问题在源域上学习的分类器在目标域上做识别效果差的问题。方法通过学习多个源域和单目标域的样本，得到一个公共的子空间，在公共子空间中通过将源域转化为目标域的线性表示数据，并将目标化的源域数据投到高维空间中，使其在高维空间中构造线性最优超平面，并学习到一个核分类器，再对测试样本进行识别分类，获得了有益的效果。
-
Patent Agency Ranking
公开(公告)号：CN119785880A
公开(公告)日：2025-04-08
申请号：CN202411875721.7
申请日：2024-12-19
Applicant: 桂林电子科技大学
IPC: G16B20/30 , G06F18/2113
Abstract: 本发明提出了一种基于皮尔逊共线性选择(PCS)的方法，用于从高维基因组数据中筛选与目标表型密切相关的特征。PCS方法通过计算特征间的皮尔逊相关系数，有效去除冗余特征，减少多重共线性问题，显著提高了特征选择的质量，并增强了模型预测的稳定性。该方法特别适用于基因型与表型关联分析等领域，能够优化数据处理与分析过程。此外，PCS方法具备较强的跨种群适应性。通过在多个种群的数据集上进行特征选择与预测验证，证明了多个模型使用PCS方法能够在不同数据集间保持一致的良好预测性能，展现了出色的泛化能力。该方法不仅能够有效预测单一种群的表型，还能成功应用于其他种群的预测任务，进一步拓宽了其在精准医疗和作物育种等领域的应用范围。相较于传统特征选择方法，PCS方法在降低特征冗余的同时，能够更好地保留与目标表型强相关的特征，从而显著提升了模型的预测精度，为基因组数据分析提供了更加高效且可靠的技术支持。
-
公开(公告)号：CN117911620A
公开(公告)日：2024-04-19
申请号：CN202410076273.8
申请日：2024-01-18
Applicant: 桂林电子科技大学
Abstract: 本发明涉及三维视觉技术领域，具体涉及一种基于神经逆渲染和相互反射建模的光度立体表面重建方法，无需借助特殊仪器对物体标定光照，只通过光照网络模型得到光照方向和强度，再基于图像信息通过利用网络模型预测光照并基于表面法线和表面反射的多层感知网络进行神经逆渲染来重建图像，然后通过优化重建损失来得到准确的表面法线，同时本发明还通过利用相互反射模型处理一些具有复杂几何物体表面存在的相互反射问题，更进一步降低表面法线估计误差。本发明。解决了现有的光度立体表面重建方法的需要借助真实法向量和光照信息才能增强重建准确度的技术问题。
-
公开(公告)号：CN117874102A
公开(公告)日：2024-04-12
申请号：CN202410056050.5
申请日：2024-01-15
Applicant: 桂林电子科技大学
IPC: G06F16/2458 , G06F16/22 , G06F18/23213
Abstract: 本发明涉及数据挖掘技术领域，具体涉及一种基于非空倒排多索引结构的近似最近邻搜索方法，在IVFADC检索系统的倒排索引结构基础上进行改进，将IVFADC检索系统第一阶段的倒排表定位视为一个独立的最近邻搜索问题，并基于乘积量化的近似最近邻搜索方法解决。具体的，在IVFADC倒排索引结构的基础上，通过乘积量化对索引倒排列表的聚类中心进行量化编码，倒排列表的索引由原来的聚类中心转变成了相应的乘积量化编码，通过乘积量化的非对称距离以及距离查找表机制，能够提升第一阶段倒排表的定位效率，此外，与原始的倒排多索引相比，本发明方法避免了空表的产生，因此降低了存储倒排多索引结构所需的内存空间。
-
公开(公告)号：CN116612320A
公开(公告)日：2023-08-18
申请号：CN202310478718.0
申请日：2023-04-28
Applicant: 桂林电子科技大学
IPC: G06V10/764 , G06V10/58 , G06V10/77
Abstract: 本发明涉及高光谱图像分类技术领域，具体涉及一种基于多流形度量的高光谱图像分类方法，首先通过提取高光谱像元的空间邻域像元集，从初始考虑结合高光谱图像的空谱信息，具体先将空间邻域像元集建模为高斯分布并映射到高斯流形，然后将其建模为线性子空间模型并映射到Grassmann流形，再使用多核学习算法求得两个对应的黎曼核函数的最优组合系数，得到一个能力互补的组合黎曼核函数，在组合核空间内进行度量学习，通过组合流形切空间中的k个最近邻重构系数获得鲁棒的图权重，进而在统一的单一降维空间内获得具有判别性的结构，使用最近邻分类获得高精度的分类结果。
-
公开(公告)号：CN106614440B
公开(公告)日：2022-10-25
申请号：CN201610869820.3
申请日：2016-09-30
Applicant: 桂林电子科技大学 , 广西壮族自治区农业科学院甘蔗研究所
Abstract: 本发明公开一种基于物联网的农作物害虫智能测报系统，包括远程数据中心和至少一个测报装置；每个测报装置包括支架、以及固定在支架上的主控单元、图像采集单元、诱捕单元、喷气单元、环境监测单元和数据传输单元；图像采集单元位于诱捕单元的上方，并朝向诱捕单元；喷气单元位于诱捕单元的的一侧，并朝向诱捕单元；主控单元连接图像采集单元、诱捕单元、喷气单元、环境监测单元和数据传输单元；数据传输单元与远程数据中心连接。本发明不仅实现了无人值守的智能化监控，而且有助于提高农作物害虫发生危害预测预报的智能性和准确性，及时监测和预报其种群动态有助于科学合理采取措施控制该虫的危害，减少农药施用量和环境污染。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.027 seconds)
