公开(公告)号：CN113688761A

公开(公告)日：2021-11-23

申请号：CN202111010815.4

申请日：2021-08-31

Applicant: 安徽大学

Inventor： 唐俊 ,  许辉 ,  张艳 ,  朱明

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于图像序列的行人行为类别检测方法，包括：1、训练测试数据集的采集与处理，通过摄像头采集多场景下的行人行为视频，利用deep‑sort对视频中的目标人物进行检测跟踪制作目标图像序列；2、根据方法的需求搭建基于时空网络的判别模块以及未来帧预测网络模块；3、对的两个模块进行训练，使整个模型达到最优状态并保存模型参数；4、利用已训练好的模型对行人行为类别进行检；5、使用的网络模型利用两个判别模块联合优化模型来进行训练，将各个模块连接组成系统，对视频中的行人行为进行检测分类。本发明能很好的捕捉到图像序列的空间信息以及时间信息，从而提升对行为检测的准确性。

公开(公告)号：CN112257662A

公开(公告)日：2021-01-22

申请号：CN202011259109.9

申请日：2020-11-12

Applicant: 安徽大学

Inventor： 张艳 ,  孙永胜 ,  高梓健 ,  王陈飞 ,  唐俊

IPC: G06K9/00 ,  G06K9/62 ,  G06F21/32 ,  G06F16/583 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的压力足迹图像检索系统，包括数据预处理、最优网络训练、入库和检索功能三个阶段，本发明通过深度学习的方法设计了一种足迹特征学习网络对压力足迹数据进行拟合训练，并将训练好的模型进行迁移，将足迹检索智能化，同时整个过程不需要人的干预，就能得到较好的性能，解决了传统的人力检索方式不但耗时耗力，而且参有专家的一些主观因素，所以结果往往是不稳定的。

公开(公告)号：CN111160711A

公开(公告)日：2020-05-15

申请号：CN201911241150.0

申请日：2019-12-06

Applicant: 安徽大学

Inventor： 贾兆红 ,  罗洪 ,  唐俊

IPC: G06Q10/06 ,  G06N3/00 ,  G06Q50/04

Abstract: 本发明提供了一种基于蚁群算法的平行机批调度方法，包括步骤A：初始化Tmax、AntNum、工件集合J＝{J1,J2,…,Jn}、机器集合M＝{M1,M2,…,Mm}；当前迭代周期t＝1，蚂蚁序号Ant＝1，期望 步骤B：当前蚂蚁Ant基于机器的完工时间将所有工件分配到机器中，得到一个调度方案；步骤C：通过局部优化调整步骤B得到的调度方案；步骤D：如果Ant＜AntNum，令Ant＝Ant+1，返回步骤B；步骤E：确定局部最优解和全局最优解，利用全局最优解更新期望步骤F：如果t＜Tmax，则t＝t+1，返回步骤B，否则输出全局最优解。本发明提供的基于蚁群算法的平行机批调度方法的优点在于：通过为蚁群算法配置全局期望值更新和局部期望值更新的步骤，有效的解决了对以最小化总加权完工时间为目标的权重、加工时间和尺寸均不同的工件序列的平行机批调度问题。

公开(公告)号：CN110909858A

公开(公告)日：2020-03-24

申请号：CN201911178914.6

申请日：2019-11-27

Applicant: 安徽大学

Inventor： 贾兆红 ,  朱梦阑 ,  唐俊

IPC: G06N3/00 ,  G06Q10/04 ,  G06Q10/06 ,  G06Q50/04

Abstract: 本发明提供了一种基于双信息素蚁群算法的批调度方法，包括S1：初始化n、M、Si、AntNum、Tmax、ρ，Ant＝1，t＝1；S2：令S3：蚂蚁Ant将工件分配到机器中，得到分批方案；S4：优化分批方案，计算解；S5：如果Ant＜AntNum，令Ant＝Ant+1，返回S3，否则获取当前的全局最优解，令Ant＝1，更新期望 和 S6：当t＜Tmax时，如果t％TS＝0，令t＝t+1，返回S2，否则令t＝t+1，返回S3，当t≥Tmax时输出全局最优解及对应的分批方案。本发明提供的一种基于双信息素蚁群算法的批调度方法的优点在于：引入双信息素，同时考虑工件一起加工和顺序加工的期望，提高了对分批方案的优化效果，通过周期性初始化期望值，能够增加产生新解的可能性，防止陷入局部最优，为工业生产提供了有效的指导意见。

公开(公告)号：CN108765476A

公开(公告)日：2018-11-06

申请号：CN201810567470.4

申请日：2018-06-05

Applicant: 安徽大学

Inventor： 朱明 ,  姚强 ,  唐俊 ,  王年 ,  张艳 ,  王煜 ,  廖小双

IPC: G06T7/33

CPC classification number: G06T7/33 ,  G06T2207/10048

Abstract: 本发明涉及一种偏振图像配准方法，与现有技术相比解决了尚无针对于偏振图像进行配准方法的缺陷。本发明包括以下步骤：偏振图像的获取；偏振图像的特征提取；初选特征匹配；变换参数模型的获得；调整变换模型的平移参数；配准结果的获得。本发明充分考虑了偏振图像的图像特点，实现了偏振图像之间的配准，对各种环境下的偏振图像的配准精度均能达到亚像素要求。

公开(公告)号：CN106798554A

公开(公告)日：2017-06-06

申请号：CN201710023172.4

申请日：2017-01-12

Applicant: 安徽大学

Inventor： 王年 ,  王超 ,  胡永兵 ,  唐俊 ,  梁栋

IPC: A61B5/0402

CPC classification number: A61B5/0402 ,  A61B5/7203 ,  A61B5/7225 ,  A61B5/7235 ,  A61B5/726

Abstract: 本发明涉及一种含噪IMF分量及心电信号的去噪方法，将EEMD算法和新小波阈值去噪有机地结合在一起，相对于传统的小波去噪算法，克服了软阈值函数和硬阈值函数各自的缺点，并对传统阈值进行了改进，增加了阈值使用的灵活性和实用性。另外，采用了双阈值和单阈值的组合形式，实现了计算量的减少，效率的提高。

公开(公告)号：CN114298439B

公开(公告)日：2025-04-25

申请号：CN202210005353.5

申请日：2022-01-05

Applicant: 安徽大学

Inventor： 贾兆红 ,  刘桂森 ,  唐俊

IPC: G06Q10/04 ,  G06Q10/067 ,  G06Q50/04 ,  G06N3/126

Abstract: 本发明公开了一种基于质量感知的多目标云制造服务组合优化方法，其步骤包括：1构建云制造服务组合优化模型；2设定算法参数；3采用镜像策略生成初始种群；4选择父代个体；5使用交叉、变异操作产生子代个体；6更新归档种群；7概率更新；8判断是否满足终止条件，满足则结束，否则转到步骤4。本发明从时间、成本、可靠性、可用性和信誉度五个维度同时优化，能为汽车厂商选择最佳的零部件供应商，从而能为汽车厂商节省时间、成本，增加产品的可靠性和可用性，也能为产品提供较好的口碑，提高用户的满意度。

公开(公告)号：CN114529737B

公开(公告)日：2025-04-22

申请号：CN202210158517.8

申请日：2022-02-21

Applicant: 安徽大学

Inventor： 唐俊 ,  蒋文龙 ,  朱明 ,  王年 ,  张艳 ,  鲍文霞

IPC: G06V10/44 ,  G06V40/10 ,  G06V10/778 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/0464 ,  G06N3/047

Abstract: 本发明涉及一种基于GAN网络的光学赤足迹图像轮廓提取方法，包括：通过光学足迹采集仪采集原始光学赤足迹图像；制作训练集和测试集；通过残差网络构建生成器；通过PatchGAN马尔可夫判别器构建鉴别器；将生成器和鉴别器组成CycleGAN循环生成对抗网络作为训练网络；将训练集送入训练网络中进行训练；使用训练后的生成器作为轮廓提取测试网络，输入测试集的源域数据，得到光学赤足迹图像轮廓。本发明可以直接在经过简单预处理的原始光学赤足迹图像上进行一套统一流程的操作提取轮廓图像，简化轮廓提取的流程；本发明可以忽略不同原始图像之间的差异，使用相同参数的网络处理同一批次的数据，减少轮廓提取的计算量。

公开(公告)号：CN113688761B

公开(公告)日：2024-02-20

申请号：CN202111010815.4

申请日：2021-08-31

Applicant: 安徽大学

Inventor： 唐俊 ,  许辉 ,  张艳 ,  朱明

IPC: G06V20/40 ,  G06V20/52 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/049 ,  G06N3/09

Abstract: 本发明公开了一种基于图像序列的行人行为类别检测方法，包括：1、训练测试数据集的采集与处理，通过摄像头采集多场景下的行人行为视频，利用deep‑sort对视频中的目标人物进行检测跟踪制作目标图像序列；2、根据方法的需求搭建基于时空网络的判别模块以及未来帧预测网络模块；3、对的两个模块进行训练，使整个模型达到最优状态并保存模型参数；4、利用已训练好的模型对行人行为类别进行检；5、使用的网络模型利用两个判别模块联合优化模型来进行训练，将各个模块连接组成系统，对视频中的行人行为进行检测分类。本发明能很好的捕捉到图像序列的空间信息以及时间信息，从而提升对行为检测的准确性。

公开(公告)号：CN117274195A

公开(公告)日：2023-12-22

申请号：CN202311231918.2

申请日：2023-09-22

Applicant: 安徽大学

Inventor： 唐俊 ,  过新林 ,  王科 ,  朱明 ,  张艳

IPC: G06T7/00 ,  G06V10/77 ,  G06V10/764 ,  G06V10/82 ,  G06V40/10 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/096

Abstract: 本发明公开了一种基于边缘世界生成网络的图像异常检测方法，用于无监督的图像异常检测和定位，包括：1使用特征膨胀器来使特征向量所张成的特征维度空间足够饱满完整，2通过特征蒸馏生成器，在正常样本的特征向量所张成的特征维度空间边界，生成伪异常的边缘特征空间，从而在此边缘特征维度空间内，产生大量的伪异常特征向量。3将正常特征向量和伪异常特征向量，一起输入异常分离器，并通过韦伯变换，得到图像像素级的异常分数，由此完成图像异常的检测以及图像异常区域的定位。本发明能在无法对所有异常数据进行统计分布的建模时，可以更好的在高维特征空间中，刻画出正常样本的特征空间边界，从而通过边缘世界生成网络提高图像检测性能。