-
公开(公告)号：CN119783019A
公开(公告)日：2025-04-08
申请号：CN202411803059.4
申请日：2024-12-09
Applicant: 河海大学
IPC: G06F18/25 , G06F18/10 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于卷积神经网络的海洋中尺度涡旋检测方法，该方法通过多路径卷积处理、池化操作与多尺度特征融合，有效提升了模型对反气旋性涡旋(Anticyclonic Eddies，AE)和气旋性涡旋(Cyclonic Eddies，CE)这样的涡旋目标的复杂边缘结构的检测能力，改善常规YOLOv8卷积在这类复杂目标检测中的不足。
-
公开(公告)号：CN111967511A
公开(公告)日：2020-11-20
申请号：CN202010770721.6
申请日：2020-08-04
Applicant: 河海大学
Abstract: 本发明公开了一种基于异构特征融合网络的地基云图分类方法，包括如下步骤：(1)对多幅带有噪声的地基云图进行预处理；(2)分别对处理后的地基云图提取特征，使用手工特征提取方法结合费舍尔向量编码得到每张地基云图对应的特征向量；(3)将步骤(2)的输出投入一个四层全连接层网络，该网络的输出记为fc；(4)扩增训练集后，训练卷积神经网络模型，将fc与最后一个池化层得到的深层语义特征fg融合，经过全连接层得到每类对应的分类概率。本发明能够显著的提高地基云图分类识别任务的泛化能力，模型的鲁棒性强，多角度结合视觉信息，即使人为加入噪声也能精确定位云状，取得良好的识别结果。
-
公开(公告)号：CN104504443A
公开(公告)日：2015-04-08
申请号：CN201410752082.5
申请日：2014-12-09
Applicant: 河海大学
Inventor： 储荣
IPC: G06N3/08
Abstract: 本发明公开了一种基于RBF神经网络敏感性的特征选择方法及其装置，该方法以敏感性为基准，通过挑选敏感性大的特征，来寻找自身发生扰动时输出发生较大变化的特征，这些特征往往对训练分类器是重要的；具体为：使用已有的训练样本集训练RBF神经网络，得到经过训练的分类器；利用所述分类器计算各个特征分量的敏感性，并根据敏感性从大到小排序；根据需要从排序中取前若干个敏感性大的特征作为新特征集。本发明可以有效挑选出对分类器重要的样本特征，从而提高分类器的性能。
-
-
公开(公告)号：CN119478415A
公开(公告)日：2025-02-18
申请号：CN202411686372.4
申请日：2024-11-22
Applicant: 河海大学
IPC: G06V10/26 , G06V10/82 , G06V20/70 , G06N3/0455 , G06V10/80 , G06V10/774 , G06V10/776 , G06N3/0464 , G06N3/08 , G06V20/10 , G06N3/048
Abstract: 本发明公开了一种基于边缘注意力的海洋中尺度涡分割方法，涉及语义分割领域。解决了现有模型对涡旋边缘信息提取效果不强，分割出的海洋中尺度涡的形状和位置不够准确的问题。具体包括以下步骤：(1)获取海平面异常数据SLA，对于SLA进行可视化处理生成海洋中尺度涡图像数据集并进行标注，将图像数据划分为训练集、验证集、测试集，并使用图像增强操作预处理。(2)创建网络模型，将预处理后的海洋中尺涡图像数据集输入到基于边缘注意力的海洋中尺度涡分割网络即EGA‑AFFUNet模型中进行训练，分割海洋中尺度涡图像数据集中的海洋中尺度涡旋(3)在验证集上选取出性能最优的EGA‑AFFUNet模型，在测试集上将测试结果和涡旋标签数据集对比获得评价指标。
-
Patent Agency Ranking
公开(公告)号：CN111967511B
公开(公告)日：2022-07-26
申请号：CN202010770721.6
申请日：2020-08-04
Applicant: 河海大学
Abstract: 本发明公开了一种基于异构特征融合网络的地基云图分类方法，包括如下步骤：(1)对多幅带有噪声的地基云图进行预处理；(2)分别对处理后的地基云图提取特征，使用手工特征提取方法结合费舍尔向量编码得到每张地基云图对应的特征向量；(3)将步骤(2)的输出投入一个四层全连接层网络，该网络的输出记为fc；(4)扩增训练集后，训练卷积神经网络模型，将fc与最后一个池化层得到的深层语义特征fg融合，经过全连接层得到每类对应的分类概率。本发明能够显著的提高地基云图分类识别任务的泛化能力，模型的鲁棒性强，多角度结合视觉信息，即使人为加入噪声也能精确定位云状，取得良好的识别结果。
-
公开(公告)号：CN109543586A
公开(公告)日：2019-03-29
申请号：CN201811365689.2
申请日：2018-11-16
Applicant: 河海大学
Abstract: 本发明公开一种基于卷积神经网络的香烟真伪鉴别方法，包括以下步骤：a)获取原始图像；b)对原始图像进行预处理；c)将预处理后的图像输入卷积神经网络中的第一个卷积层和池化层；d)将上一层的输出结果输入到卷积神经网络中的子网络；e)将上一层的输出结果输入到卷积神经网络中交替分布的卷积层和池化层；f)将上一层的输出结果输入到卷积神经网络中的全连接层；g)将上一层的输出结果输入到卷积神经网络中的Softmax层；h)输出香烟真伪分类结果。本发明能够很好的提取图像的特征，且只对子网络结构计算各层残差以减少计算量，对香烟真伪的鉴别也比较高效。
-
公开(公告)号：CN107862668A
公开(公告)日：2018-03-30
申请号：CN201711189780.9
申请日：2017-11-24
Applicant: 河海大学
Inventor： 储荣
CPC classification number: G06T5/001 , G06T3/4038 , G06T7/10 , G06T2207/20081 , G06T2207/20084
Abstract: 本发明公开了一种基于GNN的文物图像复原方法，把掉色、轻微残缺文物照片复原成较为完整的彩色图像，包括以下步骤：a)采集训练图像；b)图像预处理；c)基于深度卷积网络构造GNN网络；d)对GNN网络进行训练；e)根据训练好的GNN网络生成文物复原图像。本发明的一种基于GNN网络的文物图像复原方法，能够非人工地生成掉色文物可能的颜色特征，把边角有轻微损坏的部分自动补全。比如对损坏的壁画进行恢复，复原其残缺的部分或者恢复其原色彩，本发明可以省去人工设计、还原的繁琐步骤。
-
公开(公告)号：CN103679760B
公开(公告)日：2016-06-22
申请号：CN201310654449.5
申请日：2013-12-05
Applicant: 河海大学
Inventor： 储荣
Abstract: 本发明公开了一种基于Normalized cut的彩色图像分割方法，首先对图像处理得到初始分割区域，然后利用降维将初始分割区域信息重新构建成新的图像数据，最后再利用Normalized cut直接对所得区域进行聚类。同时针对Normalized cut的权值函数计算只考虑像素颜色信息这一特点，设计了新的考虑像素趋向性关系的权值函数。可以证明，本发明方法的分割效果良好且时间复杂度相对于Normalized cut大大降低。
-
公开(公告)号：CN105550745A
公开(公告)日：2016-05-04
申请号：CN201510891245.2
申请日：2015-12-07
Applicant: 河海大学
Inventor： 储荣
IPC: G06N3/08
CPC classification number: G06N3/088
Abstract: 本发明公开了一种基于主动学习的MADALINE神经网络样本选择方法及系统，属于智能科学与技术中的机器学习技术领域，以敏感性为基准，通过挑选敏感性大的样本点，来寻找在其周围变化剧烈的样本点，这些样本点往往对训练分类器是重要的。本发明可以有效减少需要标记样本点的数量，减少标记的代价并提高分类器的性能。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.017 seconds)
