-
公开(公告)号：CN113422661A
公开(公告)日：2021-09-21
申请号：CN202110481919.7
申请日：2021-04-30
Applicant: 海南大学
IPC: H04B17/382 , H04L29/08 , H04L29/06
Abstract: 本发明提供了一种基于主被动信誉度划分的可信宽带频谱感知方法：步骤1，利用压缩感知理论进行宽带频谱感知；步骤2，通过交易的方式上传感知节点的感知结果；步骤3，通过步骤2形成的交易记录找到感知节点的账户地址，确认参与任务的感知节点；步骤4，设置上交代币临界值，计算感知节点的主动信誉度；步骤5，计算感知节点的被动信誉度；步骤6，确定决策参数，得到最终的感知节点权重。步骤7，利用步骤6得到的感知节点权重进行融合判决，得到最终的协作式频谱感知结果；步骤8，发送交易更新感知节点账户余额及区块账本。利用本发明方法获得的节点权重信息可以作为感知节点的综合信誉估计，降低节点作恶影响；或者为融合中心判决感知结果的提供重要依据，在低成本下实现可靠感知。
-
公开(公告)号：CN104680191B
公开(公告)日：2018-11-13
申请号：CN201410714599.5
申请日：2014-11-24
Applicant: 海南大学
Abstract: 本发明属于数字图像处理及模式识别技术领域，具体为一种基于活动轮廓模型的植物病虫害检测方法。本发明首先在植物监控视频中，获取植物叶片背景图像，利用叶片具有明显颜色、纹理特征的特点，为背景建立混合高斯模型，对视频中各个像素点与背景混合高斯模型进行纹理差异度计算得到差异度图像，对差异度图像进行自动分割和图像后处理得到害虫的初始轮廓，然后利用基于纹理差异度引导的活动轮廓模型演化得到精确的害虫区域和轮廓。相比于当前实际农业生产中颇费人力资源，并存在滞后性、不准确性的人工检测方法，该方法具有实时性，易实施性，并能得到精准的病虫害信息。
-
公开(公告)号：CN119782987A
公开(公告)日：2025-04-08
申请号：CN202411843967.6
申请日：2024-12-14
Applicant: 海南大学
IPC: G06F18/2433 , G06F18/25 , G06F18/21 , G06N3/0442 , G06N3/045 , G06N3/049 , G06N3/0464
Abstract: 本发明公开了一种基于多源信息融合的走私船舶异常轨迹识别方法，获取船舶轨迹序列，所述轨迹序列包括运动特征和天气特征；通过带有可加性位置编码的TCN网络分别提取船舶轨迹序列中的运动特征和天气特征；将提取到的运动特征和天气特征进行融合，得到融合后的特征向量；将融合后的特征向量输入带有注意力机制的LSTM网络中进行进一步处理，得到多头注意力输出；将多头注意力输出输入Kan网络，所述Kan网络通过自适应网格点和B样条函数进行非线性特征映射，输出对轨迹是否疑似走私船舶异常轨迹的预测结果。
-
公开(公告)号：CN118864332A
公开(公告)日：2024-10-29
申请号：CN202410702578.5
申请日：2024-05-31
Applicant: 海南大学
Abstract: 本发明实施例公开了一种受限资源下室内VSLAM的光照自适应调节方法及装置，该方法为：获取原始彩色图像，并将所述原始彩色图像转换为仅包含亮度信息的灰度图像；确定所述灰度图像的图像亮度分级；根据每张灰度图像的图像亮度分级进行对应的增强操作，获得最终图像；对所述最终图像进行自适应对比度指导的图像金字塔操作，为非标准光照的图片提取不同图像金字塔尺度上的信息；进行结合图像增强的FAST角点检测，提取有用的特征点，同时，过滤噪点，获得多变光照环境下的特征点信息，将所述特征点信息输入至VSLAM系统中，进行同时定位与地图构建。
-
公开(公告)号：CN118053000A
公开(公告)日：2024-05-17
申请号：CN202410067705.9
申请日：2024-01-17
Applicant: 海南大学
Abstract: 本发明实施例公开了一种面向纹理的均匀FAST特征提取方法，所述方法包括：构建面向纹理的均匀特征提取器；对待提取特征的图片通过面向纹理的均匀FAST特征提取器获得待提取特征图片的纹理直方图；确定所述待提取特征图片的纹理直方图待提取特征图片的对比度和信息熵；根据所述对比度和信息熵预设基础阈值；根据所述基础阈值、对比度权重和信息熵权重确定优化阈值；通过所述优化阈值提取待提取特征的图片的特征点并且确定特征点密度分布图；根据密度和特征点的数量动态地调整四叉树的划分并且优化特征点的分布结构。
-
Patent Agency Ranking
公开(公告)号：CN114742806A
公开(公告)日：2022-07-12
申请号：CN202210427524.3
申请日：2022-04-21
Applicant: 海南大学
Abstract: 本发明提供了一种基于关键点坐标回归的鱼体形态学特征测量方法：步骤1，利用采集装置得到鱼体图像；步骤2，将步骤1中待检测的鱼体图像输入由ResNet‑50(残差网络)，FPN(特征金字塔网络)和KPCRN(关键点坐标回归网络)组成的已训练好的全新深度学习模型中；步骤3，得到从步骤2模型中输出的8个关键点坐标步骤4，计算关键点坐标间的距离得到鱼体的各个形态学长度参数。利用本发明方法测量鱼体形态学参数几乎不需要后处理，该方法能够简化数据集标注、易化模型的训练和测试、降低测量的时间成本和算力成本，对场景的变化，鱼体姿态的变化具有鲁棒性，从而极大提高鱼体形态学长度测量的精度。
-
公开(公告)号：CN111292347A
公开(公告)日：2020-06-16
申请号：CN202010069704.X
申请日：2020-01-21
Applicant: 海南大学
Inventor： 赵瑶池
Abstract: 本发明提供了一种基于图像处理技术的显微图像炭疽孢子密度计算方法，包括：步骤1，标注一幅炭疽孢子图像，构建混合高斯模型；步骤2，采用基于高斯分离度的自适应Otsu阈值分割炭疽孢子图像；步骤3，对分割后的图像进行开滤波、闭滤波、形状滤波和面积滤波；步骤4，提取目标边缘轮廓；步骤5，计算图像中各像素与混合高斯模型的相似度；步骤6，计算基于符号对数相似度的边缘停止函数；步骤7，对步骤4中得到的边缘轮廓进行轮廓演化，得到炭疽孢子的精确轮廓；步骤8，对结果图像统计连通域的面积和连通域的个数，得到炭疽孢子的个数。利用本发明方法获得的密度统计信息可以为作物的病情估计，或者炭疽孢子的活性、耐药性分析提供依据。
-
公开(公告)号：CN120087418A
公开(公告)日：2025-06-03
申请号：CN202510160209.2
申请日：2025-02-13
Applicant: 海南大学
IPC: G06N3/0455 , G06N3/0464 , G06N3/0499 , G06N3/08 , G06F18/25
Abstract: 本发明涉及文本数据的检测与深度学习技术领域，尤其涉及一种基于不定长双注意孪生的轨迹断裂研判方法及装置，采用Transformer编码器作为基础模型，将Encoder模块、RL‑DAN模块和Siamese‑FFN模块引入其中，Encoder模块首先对输入数据进行第一次特征提取，它将提取轨迹的空间特征和额外的速度、航向特征，使模型更好地感知轨迹的变化。其次，RL‑DAN模块使模型在进行最终的检测前完成一次高维特征与低维特征的融合，防止深层网络忽略低维的边缘特征。最后，将Siamese‑FFN引入到损失函数中用于特征融合的计算。它用考虑更周全的约束条件来提升模型对轨迹相似性预测的准确度。
-
公开(公告)号：CN119672694A
公开(公告)日：2025-03-21
申请号：CN202411792322.4
申请日：2024-12-06
Applicant: 海南大学
IPC: G06V20/62 , G06V10/82 , G06V20/40 , G06V10/40 , G06V10/22 , G06T5/73 , G06V10/20 , G06N3/0499 , G06N3/0464 , G06N3/045
Abstract: 本发明属于图像识别技术领域，公开了一种面向复杂场景的船号识别方法与系统，通过C2f_IRMB_DRB模块对船舶图像数据集的图像特征进行增强，并且将学习型位置编码LPE引入AIFI_LPE模块中，并基于增强图像特征后的船舶图像数据集，获取新船号特征；根据新船号特征，以及自注意力机制、MultiHead多头自注意力机制、LayerNorm层和前馈神经网络FFN，获取经过进一步增强的图像区域；对增强的图像区域进行识别，得到船舶的船号。本发明在复杂海洋环境下展现出更高的鲁棒性与稳定性，能够确保特征提取和识别的精度，适用于海上船舶监测和管理应用。
-
公开(公告)号：CN115019063B
公开(公告)日：2024-11-22
申请号：CN202210626663.9
申请日：2022-06-04
Applicant: 海南大学
IPC: G06V10/25 , G06V10/26 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/80 , G06V10/774 , G06V10/82 , G06V20/70 , G06N3/0464 , G06N3/045 , G06N3/09 , G06N3/048
Abstract: 本发明提供了一种基于双注意力机制的显著性目标检测方法：步骤1、使用数据增强技术扩充数据集；步骤2、将数据输入到包含有水平集注意力机制模块LSA(Level‑SetAttention)、反向通道注意力机制模块R‑CA(Reverse‑ChannelAttention)、后向反馈与结构化损失的RCANet网络中进行训练并得到训练模型；步骤3、输入待检测数据到模型中得到显著性目标检测结果。利用本发明方法能够获得更丰富的语义信息，使得后续网络更好区分标签与背景，以较少的参数在深层网络获得位置信息，同时本发明方法可以细化轮廓，提取出更清晰的边界，使得网络整体性能提高。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.018 seconds)
