-
公开(公告)号：CN119672350B
公开(公告)日：2025-05-13
申请号：CN202510199362.6
申请日：2025-02-24
Applicant: 安徽大学 , 安徽唯贤企业管理咨询有限公司
IPC: G06V10/26 , G06V10/25 , G06V10/52 , G06V10/764 , G06V10/80 , G06V20/10 , G06T7/11 , G06T7/194 , G06T7/00
Abstract: 本发明公开了一种基于图像识别的目标物体图像区域分割方法及装置，该方法包括：获取采集的松树森林航拍图像；基于采集图像经过切割获取混合至少两种区域的处理图像；以处理图像为训练样本，训练第一目标识别模型；基于训练完成的第一特征提取模块和未训练的第二区域检测模块构建初始的第二目标识别模型并以采集图像为训练样本，训练得到第二目标识别模型；基于第二目标识别模型识别的松材线虫病区域的初步位置的图像区域及邻域区域图像进行松材线虫病区域边界分割，获取松材线虫病区域边界。本发明提高对松材线虫病树木区域的识别精确度，减小松材线虫病树木区域误识别或漏识别的现象。
-
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
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：CN118115903B
公开(公告)日：2024-07-05
申请号：CN202410532574.7
申请日：2024-04-30
Applicant: 安徽大学
IPC: G06V20/17 , G06V20/10 , G06V10/774 , G06V10/778 , G06V10/40 , G06V10/82
Abstract: 本发明涉及病虫害防治技术领域，本发明公开了基于AI技术松材线虫病智能识别处理系统；包括采集选定区域的历史训练数据集合，基于历史训练数据集合，训练预测出树木状态值的机器学习模型，采集实时的综合虫害数据，预测出实时的树木状态值，识别出可疑树木，采集可疑树木的虫害特征，识别出虫害树木，基于虫害树木的虫害识别指数，生成虫害紧急度级别，制定一级处理指令或二级处理指令；相对于现有技术，能够根据树木的综合外在数据和综合内在数据，对树木进行准确的双重识别处理，避免出现松材线虫病树木误识别或漏识别的现象，确保出现松材线虫病的树木能够得到及时有效的治理，进而有利于林业部门对松材线虫病的识别和治理。
-
公开(公告)号：CN117521673B
公开(公告)日：2024-03-22
申请号：CN202410021455.5
申请日：2024-01-08
Applicant: 安徽大学
IPC: G06F40/30 , G06F40/284 , G06F40/289 , G06N20/00 , G06F16/906
Abstract: 本发明公开了一种具备分析训练性能的自然语言处理系统，包括处理系统和云数据库，所述处理系统从云数据库获取数据并将处理结果数据上传至云数据库，本发明涉及自然语言处理技术领域。该具备分析训练性能的自然语言处理系统，采用阈值对比方式将置信度概率分为三个批次，在概率较大的情况下可直接获取最大值对应的释义，而置信度概率中等时，可结合上下文内容再次训练来进一步筛分，获得更高的置信度，而在所有置信度概率均较低时，即表示系统判定目前的置信度均较低，则还可从网络上再次爬取数据作为对比依据，反复进行训练，直至获取合格的置信度概率，采用此方式有效的避免了单一选择导致的误差值，提高了获取正确释义的准确度。
-
公开(公告)号：CN117636185A
公开(公告)日：2024-03-01
申请号：CN202410107688.7
申请日：2024-01-26
Applicant: 安徽大学
Abstract: 本发明涉及图像处理技术领域，本发明公开了基于图像处理的松材线虫病检测系统；包括基于筛选准则获得目标图像，在目标图像中获得目标区域，采集目标区域的综合虫害数据，生成虫害检测指数，并基于虫害检测差值，判定是否生成虫害预警提示，基于虫害检测差值，生成虫害预警级别，基于虫害预警级别，制定消杀指令；本发明中，通过对卫星遥感图像的筛选识别，可以剔除掉存在干扰因素的非目标图像，并基于目标图像识别到面积小且位置精准的目标区域，一方面有效的降低了检测数据的采集量和计算量，提高了数据计算速率，另一方面也避免了无用数据对检测结果可能带来的误差影响，极大的提高了松材线虫病检测的准确度。
-
Patent Agency Ranking
公开(公告)号：CN117521673A
公开(公告)日：2024-02-06
申请号：CN202410021455.5
申请日：2024-01-08
Applicant: 安徽大学
IPC: G06F40/30 , G06F40/284 , G06F40/289 , G06N20/00 , G06F16/906
Abstract: 本发明公开了一种具备分析训练性能的自然语言处理系统，包括处理系统和云数据库，所述处理系统从云数据库获取数据并将处理结果数据上传至云数据库，本发明涉及自然语言处理技术领域。该具备分析训练性能的自然语言处理系统，采用阈值对比方式将置信度概率分为三个批次，在概率较大的情况下可直接获取最大值对应的释义，而置信度概率中等时，可结合上下文内容再次训练来进一步筛分，获得更高的置信度，而在所有置信度概率均较低时，即表示系统判定目前的置信度均较低，则还可从网络上再次爬取数据作为对比依据，反复进行训练，直至获取合格的置信度概率，采用此方式有效的避免了单一选择导致的误差值，提高了获取正确释义的准确度。
-
公开(公告)号：CN117171377A
公开(公告)日：2023-12-05
申请号：CN202310550380.5
申请日：2023-05-16
Applicant: 安徽大学
IPC: G06F16/53 , G06V10/80 , G06V10/52 , G06V10/82 , G06V10/30 , G06V10/40 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于多特征扩张残差卷积网络的足迹光学图像检索方法，步骤如下：1、足迹图像的数据采集和数据预处理；2、建立基于注意力机制增强下的多特征扩张残差卷积网络的足迹光学图像检索模型，包括：初始特征提取模块、扩张残差卷积网络模块、多尺度特征融合模块、注意力增强模块；3、对足迹光学图像检索模型进行训练，得到训练后的足迹图像检索模型，用于待检索的足迹图像进行足迹检索和身份匹配。本发明能深度挖掘足迹图像的浅层和深层的各种隐含特征，从而能提升足迹图像的检索准确度和检索效率。
-
公开(公告)号：CN117112825A
公开(公告)日：2023-11-24
申请号：CN202311019766.X
申请日：2023-08-14
Applicant: 安徽大学绿色产业创新研究院
IPC: G06F16/583 , G06V40/10 , G06V10/74 , G06V10/764 , G06V10/771 , G06V10/80 , G06V10/82
Abstract: 本发明涉及足迹识别领域，尤其涉及一种现场足迹跨域检索方法，包括：通过前景提取模块获取足迹图像数据集的前景足迹掩膜；根据前景足迹掩膜与足迹图像数据集获取足迹图像，并将足迹图像送入动量双分支网络中获取特征描述符，以在特征空间中增大类间距缩小类内距的方式增强特征描述符的区分度；将特征描述符与特征数据库中的特征信息计算曼哈顿距离分，并根据距离分进行排序，确定返回的检索人员信息。本发明为了获得更具鉴别性的特征，搭建了特征提取的动量双分支网络，通过维护一个动量更新的特征描述子队列，并以KL散度作为损失实现了在特征空间中增大类间距缩小类内距的目的。
-
公开(公告)号：CN111782857B
公开(公告)日：2023-11-03
申请号：CN202010710865.2
申请日：2020-07-22
Applicant: 安徽大学
IPC: G06F16/583 , G06V10/30 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开一种基于混合注意力密集网络的足迹图像检索方法，其步骤包括：1、足迹图像数据集的准备；2、建立足迹图像预处理模块；3、建立初始特征提取模块；4、建立混合注意力密集网络模块；5、建立最终特征输出模块；6、权重初始化；7、网络的训练、测试及优化。本发明能获取更丰富的足迹图像的特征信息，且尽可能地提取不同个人差异的特征信息，从而提高足迹图像检索的精度与速度。
-
公开(公告)号：CN116089647A
公开(公告)日：2023-05-09
申请号：CN202310065163.7
申请日：2023-02-06
Applicant: 安徽大学
IPC: G06F16/583 , G06N3/084 , G06N3/0464 , G06V10/80
Abstract: 本发明公开了一种基于多类特征融合的动态足迹检索方法，属于足迹检索领域，解决了如何基于足迹图像挖掘图像与图像之间的内在联系以及足迹更深层次的信息，以此来提高足迹检索结果的问题；步骤一：采集动态足迹数据，构建检索网络的训练集和测试集；步骤二：将获取的训练集数据输入至多类特征融合网络模型进行训练；卷积神经网络提取输入的信息获取分帧特征，经过表观特征融合模块获取全局表观特征，通过分帧特征聚合模块的时间聚合支路构建长距离时间关系，长短距离融合支路将短距离特征代入计算，求得含有长短距离时间信息的时空特征，将表观特征和时空特征融合进行检索任务；步骤三：将测试集输入至训练好的多类特征融合网络模型进行测试。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.021 seconds)
