公开(公告)号：CN116844032A

公开(公告)日：2023-10-03

申请号：CN202310830230.X

申请日：2023-07-06

Applicant: 海南大学

Inventor： 张永辉 ,  高锦雄 ,  唐浩 ,  尤佳 ,  耿旭 ,  王容 ,  邵凯旋 ,  王景博

IPC: G06V20/05 ,  G06V10/44 ,  G06V10/80 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/25

Abstract: 本申请公开了一种海洋环境下目标检测识别方法、装置、设备及介质，涉及目标检测技术领域，包括：将获取到的海洋环境下拍摄的图像数据集进行预设处理，以得到处理后数据集；将所述处理后数据集输入至初始模型的骨干网络进行特征提取，以得到特征信息；将所述特征信息输入至特征融合网络执行预设特征融合操作，以得到融合后特征信息；利用所述融合后特征信息对分类预测网络进行定位训练以及分类训练，以得到训练后的海洋图像检测识别模型。本申请通过设计特征融合网络提高对目标物特征信息的提取能力，增强了网络的多尺度特征融合能力，使网络更适应于实际的水下环境，提高了识别效率与识别精度，降低了算力消耗。

公开(公告)号：CN116645381A

公开(公告)日：2023-08-25

申请号：CN202310758898.8

申请日：2023-06-26

Applicant: 海南大学

Inventor： 尤佳 ,  唐浩 ,  郭东生 ,  刘慧舟 ,  高锦雄

IPC: G06T7/11 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/764

Abstract: 本发明属于医学图像分割领域，具体涉及一种脑肿瘤MRI图像分割方法、系统、电子设备及存储介质。所述方法包括以下步骤：S1获取原始数据集，并对原始数据集进行预处理；S2将与处理后的数据输入到混合U‑Net模型中进行处理，得到分类结果；所述混合U‑Net模型是基于U‑Net模型和CNN模型构建的。本发明实现在MRI图像中的脑肿瘤分割，解决U‑Net网络结构存在的细粒度特征提取能力不足、模型参数量较大，以及原始数据集预处理效果不佳的问题。

公开(公告)号：CN115937579A

公开(公告)日：2023-04-07

申请号：CN202211456485.6

申请日：2022-11-21

Applicant: 海南大学 ,  安徽中科利民高新产业有限公司

Inventor： 尤佳 ,  武贵路 ,  丁文杰 ,  陆波

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/08

Abstract: 本发明涉及智慧农业技术领域，公开一种基于深度学习的植物病害识别方法和系统，方法包括获取多种农作物的多种病害病症作为数据集，对所述数据集进行预处理并分为训练集和测试集；建立包括卷积神经网络和Inception‑v3模型的检测模型，使用所述训练集训练所述卷积神经网络得到训练完成的检测模型，将所述测试集输入所述训练完成的检测模型得到植物病害识别结果；系统包括数据获取模块、训练模块和检测模块。本发明融合了卷积神经网络和Inception‑v3模型，可以有效提高植物叶片病害识别的准确率。

公开(公告)号：CN115375941A

公开(公告)日：2022-11-22

申请号：CN202211007408.2

申请日：2022-08-22

Applicant: 海南大学

Inventor： 尤佳 ,  李京兵 ,  龚诚 ,  郑俊华 ,  唐浩 ,  刘婧

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V20/13 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请涉及高光谱图像处理领域，公开了一种基于GAT和3D‑CNN的多特征融合高光谱图像分类方法，该方法包括：构建多特征融合模型；多特征融合模型包括3D‑CNN分类器和GAT分类器；将待测高光谱图像数据输入至多特征融合模型中；利用3D‑CNN分类器从待测高光谱图像数据中提取高级特征图；利用GAT分类器从待测高光谱图像数据中提取超像素级特征图；将高级特征图和超像素级特征图进行线性特征融合，输出待测高光谱图像数据的分类结果。这样可以实现较好的高光谱图像分类结果，整体计算效率高，时间消耗低。