-
公开(公告)号：CN118711028A
公开(公告)日：2024-09-27
申请号：CN202410853737.1
申请日：2024-06-28
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于深度学习多分支逻辑调整综合的长尾图像识别方法，该方法是基于改进SADE网络实现长尾图像的有效识别，该改进SADE网络为多分支特征提取网络，包含一个共享主干网络和三个并行的专家分支网络，并使用设计的多分支逻辑融合策略，共享主干网络包含一个残差卷积模块，专家分支网络包含两个残差卷积模块，多分支逻辑融合策略是将逻辑输出转变为概率分布向量，然后归一化相容概率分布向量，通过综合多分支逻辑输出以提供更可靠的逻辑输出。本发明考虑长尾数据的特点，通过分化分支网络以及调整多专家分支网络的逻辑输出，提高网络对少数类样本的识别率，同时综合不同专家的逻辑输出到最终的决策中，从而提升网络的整体性能。
-
公开(公告)号：CN118711027A
公开(公告)日：2024-09-27
申请号：CN202410853732.9
申请日：2024-06-28
Applicant: 华南理工大学
IPC: G06V10/80 , G06V10/82 , G06V10/40 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习分支特征图融合的长尾图像识别方法，该方法是基于深度学习分支特征图融合网络实现长尾图像的有效识别，深度学习分支特征图融合网络包含一个多分支特征提取网络、两个分支特征图融合模块和三个作为分类器的全连接层，多分支特征提取网络包含一个共享网络和三个分支网络，共享网络包含一个残差卷积模块，每个分支网络均包含两个残差卷积模块，分支特征图融合模块用于将分支网络的深层特征图与其它分支网络的浅层特征图进行融合，同时在分支网络的逻辑输出之间使用相互学习方法。本发明可通过深层特征图与浅层特征图的融合提高网络对长尾图像的分类能力，同时通过相互学习提升深度学习网络的整体性能。
-
公开(公告)号：CN113160139B
公开(公告)日：2022-12-16
申请号：CN202110311677.7
申请日：2021-03-24
Applicant: 华南理工大学
IPC: G06T7/00 , G06V10/82 , G06V10/764 , G06V10/766 , G06V10/80
Abstract: 本发明公开了一种基于注意力的Faster R‑CNN网络的钢板表面缺陷检测方法，包括步骤：1)获取钢板表面缺陷图片，划分训练集和测试集；2)把训练集的图片输入带注意力模块的resnet50骨干网络提取特征图；3)按FPN特征金字塔网络方式融合特征图；4)特征图输入RPN区域建议网络，根据原图尺寸生成建议框；5)建议框和特征图输入RoI align，再经过全连接网络进行分类和回归，得到相应的损失；6)通过损失对基于注意力的Faster R‑CNN网络进行权重调整，迭代次数达到设定值，即训练结束，得到权重文件，对测试集的图片进行预测。本发明将带有注意力模块的resnet50骨干网络与FPN特征金字塔结合对钢板表面缺陷图片提取特征，有助于提高钢板表面缺陷检测的分类和回归的精确率。
-
公开(公告)号：CN112508857A
公开(公告)日：2021-03-16
申请号：CN202011282968.X
申请日：2020-11-17
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于改进型Cascade R‑CNN的铝材表面缺陷检测方法，包括步骤：1)对铝材表面图片进行尺寸标准化，切割并分类；2)对图片集进行归一化和在线数据增强，并划分批次；3)将所有批次的图片使用改进型Cascade R‑CNN算法进行迭代训练；4)重复步骤2)至步骤3)，迭代训练得到铝材表面缺陷检测模型；5)将待检测的铝材表面图片输入铝材表面缺陷检测模型，得到检测结果。本发明可有效降低光照、曝光和位移等条件对缺陷检测的影响，提高了检测稳定性，同时大幅提高了极端长宽比缺陷的检出率，降低了误检率。
-
公开(公告)号：CN110826611A
公开(公告)日：2020-02-21
申请号：CN201911043358.1
申请日：2019-10-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于多个元分类器加权集成的stacking污水处理故障诊断方法，通过构造一个两层的叠加式框架结构，选择3种对不平衡数据有不错分类效果的分类算法，即SVM、RVM、WELM作为基分类器，得到基分类器对原始训练集的预测结果作为第二层元分类器的输入，同样选择SVM、RVM、WELM作为元分类器，对元分类器进行加权集成得到最终诊断模型，通过最终诊断模型输出分类结果即为待测数据对应的故障诊断结果。实验证明，本方法通过对多个元分类器进行加权集成提高了算法的多样性和稳定性及对污水处理故障类的分类准确率，进而有效提高了污水处理过程中故障诊断的整体性能。
-
Patent Agency Ranking
公开(公告)号：CN108228716B
公开(公告)日：2020-01-14
申请号：CN201711268459.X
申请日：2017-12-05
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于加权极限学习机的SMOTE_Bagging集成污水处理故障诊断方法，包括步骤：1)用均值法补全污水数据中属性不完整的样本的缺陷项，将其归一化到[0,1]区间中；2)设置基分类器个数及其隐层节点数的最优参数；3)针对每个基分类器采用改进的SMOTE算法对其对应的训练样本集进行独立过采样，训练基分类器；4)用基于G‑mean的方法确定每个基分类器的输出权值；5)对所有基分类器训练结束后将其进行集成，得到最终的集成分类器。本发明在有效地降低了污水数据的不平衡性的同时提高了基分类器间的多样性，提高了对污水处理故障类的分类准确率，进而有效提高了污水处理过程中故障诊断的整体性能。
-
公开(公告)号：CN105487526B
公开(公告)日：2019-04-09
申请号：CN201610009907.3
申请日：2016-01-04
Applicant: 华南理工大学
IPC: G05B23/02
Abstract: 本发明公开的本发明公开了一种Fast RVM污水处理故障诊断方法，包括以下顺序的步骤：1)剔除掉污水数据中待识别样本中属性不完整的样本，由于各样本属性量纲的不同，对其进行归一化处理，归一化到[0,1]区间中；2)基于聚类的快速相关向量机多数类数据压缩模块；3)虚拟少数类向上采样的少数类数据扩充模块；4)“一对一”的快速相关向量机多分类模型；5)快速相关向量机污水故障诊断建模。本发明通过基于聚类的快速相关向量机对多数类数据压缩和虚拟少数类向上采样方法对少数类数据扩充，降低了污水数据的不平衡性，同时采用Fast RVM对污水生化处理过程建立多分类模型，有效提高了对污水生化处理系统的故障诊断精度。
-
公开(公告)号：CN108228716A
公开(公告)日：2018-06-29
申请号：CN201711268459.X
申请日：2017-12-05
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于加权极限学习机的SMOTE_Bagging集成污水处理故障诊断方法，包括步骤：1)用均值法补全污水数据中属性不完整的样本的缺陷项，将其归一化到[0,1]区间中；2)设置基分类器个数及其隐层节点数的最优参数；3)针对每个基分类器采用改进的SMOTE算法对其对应的训练样本集进行独立过采样，训练基分类器；4)用基于G‑mean的方法确定每个基分类器的输出权值；5)对所有基分类器训练结束后将其进行集成，得到最终的集成分类器。本发明在有效地降低了污水数据的不平衡性的同时提高了基分类器间的多样性，提高了对污水处理故障类的分类准确率，进而有效提高了污水处理过程中故障诊断的整体性能。
-
公开(公告)号：CN105740619B
公开(公告)日：2018-06-12
申请号：CN201610061351.2
申请日：2016-01-28
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于核函数的加权极限学习机污水处理在线故障诊断方法，包括步骤：1)剔除掉污水数据中属性不完整的数据，然后将数据归一化处理，确定历史数据集和更新测试集；2)选取核函数和加权方案，然后根据最优模型确定模型参数；3)根据所选取的加权方案对历史数据集的每个样本赋予权值；4)训练模型，根据核函数计算核矩阵；5)从更新测试集中添加新样本到模型中进行测试，并更新历史数据集；6)回到步骤3)，重新训练模型，不断重复上述过程，直到在线测试数据完毕，从而实现对污水处理过程的在线运行状态的识别。本发明方法更新时间短，分类准确率高，对于实时诊断出运行故障，污水处理厂安全运行，提高污水处理厂的运行效率具有重要意义。
-
公开(公告)号：CN106021924A
公开(公告)日：2016-10-12
申请号：CN201610338733.5
申请日：2016-05-19
Applicant: 华南理工大学
IPC: G06F19/00
CPC classification number: G06F19/00
Abstract: 本发明公开了一种基于多属性高斯核函数快速相关向量机的污水在线软测量方法，包括：使用多属性高斯核函数来构造快速相关向量机的贝叶斯矩阵；建立基于贝叶斯框架下的多属性高斯核函数快速相关向量机模型；采用滑动窗口技术建立滚动时间窗将模型数据和参数随着滚动时间窗的滚动进行在线更新；实时预测出水水质BOD、COD浓度的输出。该方法在快速相关向量机的基础上引入多属性高斯核函数，增强了核函数的局部性能以及全局性，提出滑动窗口技术将模型数据和参数随着滚动时间窗的滚动进行在线更新，增强了在线校正的有效性，有效提高了出水水质预测的实时性和精度。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.03 seconds)
