基于STL和带有注意力机制的LSTM的旅游需求预测方法

    公开(公告)号:CN114091768B

    公开(公告)日:2024-11-22

    申请号:CN202111414339.2

    申请日:2021-11-25

    Applicant: 安徽大学

    Abstract: 一种基于STL和带有注意力机制的LSTM的旅游需求预测方法,包括:从旅游客流量数据中获取初始的时间序列;使用STL分解模型对初始时间序列进行分解,得到3个分解序列;将3个分解序列分别输入到一个共享的注意力层,获得每个序列中不同特征的权重,然后将带有权重的特征作为LSTM的输入;对3个分解序列使用相同参数的LSTM模型进行训练,并分别对它们的测试集进行预测;3个预测结果进入全连接单元;将这3个预测结果相加得到游客达到量的最终预测结果并输出。本发明的优点在于:首先利用STL解决了旅游需求预测过程中由于数据量有限引起的高度复杂的模型中过拟合问题,并形成了一个相对简单的预测过程;其次,运用Attention‑LSTM有效地选择了特征变量和适当的时间步长。

    基于DeeplabV3+和Unet网络架构的无人机小麦倒伏影像分割方法

    公开(公告)号:CN118172688B

    公开(公告)日:2024-08-13

    申请号:CN202410334921.5

    申请日:2024-03-22

    Applicant: 安徽大学

    Abstract: 本发明涉及一种基于DeeplabV3+和Unet网络架构的无人机小麦倒伏影像分割方法,包括:利用无人机获取田间小麦种植区域的可见光遥感RGB影像进行预处理;基于DeeplabV3+与UNet结构网络构建小麦倒伏分割模型;将预处理后的无人机遥感RGB影像作为训练样本输入到小麦倒伏分割模型进行训练;获取待分割小麦倒伏区域影像,并进行预处理;将预处理后的待分割小麦倒伏区域影像输入小麦倒伏分割网络模型中,得到小麦作物倒伏区域图片的分割结果。本发明提高语义分割效果,有利于小麦倒伏分割提取任务;将主干特征提取网络各阶段输出结果与编码输出特征进行特征信息融合重建,逐步完善分割模型在不同尺度重建过程中的细节融合,从而提高小麦倒伏区域的分割精度。

    一种基于因果时间关系模块的视频异常检测方法

    公开(公告)号:CN116597352A

    公开(公告)日:2023-08-15

    申请号:CN202310555091.4

    申请日:2023-05-16

    Applicant: 安徽大学

    Abstract: 本发明公开了一种基于因果时间关系模块的视频异常检测方法,该方法包括:首先收集视频数据作为训练集与测试,将其并划分为不重叠的片段,将视频视为包、片段视为示例;将视频示例输入至特征提取网络I3D中来提取其原始特征;利用因果时间关系模块来提取包含时间依赖关系的增强特征,将其输入到全连接层得到示例的异常得分,再通过设计的损失函数来训练模型;测试阶段将视频示例的原始特征输入最优的异常检测模型中,将预测结果与测试集的标签比对得到异常检测的准确率。本方法基于视频级标签,仅使用当前和历史的帧信息通过因果时间关系模块来提取时间相关性,有利于异常的在线检测,提升了异常检测的精度。

    足底压力图像相似度评价方法

    公开(公告)号:CN111402202B

    公开(公告)日:2023-07-25

    申请号:CN202010112014.8

    申请日:2020-02-24

    Applicant: 安徽大学

    Abstract: 本发明涉及图像处理技术领域,公开了一种足底压力图像相似度评价方法,包括以下步骤:足迹校准:对采集到的足底压力数据进行去噪,并统一足迹图像中足迹的倾角,完成校准操作;判断外部相似度:对经过校准的足迹图像进行等效矩形算法,得到像素级别的足长与足宽,并转化为真实的足长与足宽,比较得出外部相似度;判断内部相似度:对每个区域的压力块进行压力增强,分别在每个区域建立极坐标系,将压力块转化为点集形式,基于匹配相似度算法,根据压力的点集信息对内部相似度进行评价。本发明通过上述步骤能够准确判断不同足底压力图像之间的相似度,反馈足底每个区域压力分布的差异性,可用于刑侦判断,有效提高刑侦效率。

    基于鞋印图像的STA-Net年龄预测方法

    公开(公告)号:CN111340098B

    公开(公告)日:2023-07-21

    申请号:CN202010112342.8

    申请日:2020-02-24

    Applicant: 安徽大学

    Abstract: 本发明图像处理、深度学习以及刑侦技术领域,公开了基于鞋印图像的STA‑Net年龄预测方法,先将待测鞋印图像经评分模型进行数据评估,评估高于预设值代表待测鞋印图像质量合格;随后将质量合格的待测鞋印图像进行预处理操作,所述预处理操作包括去噪、中心化、伪彩化;预处理后的待测鞋印图像输入经STA‑Net网络训练得到预测模型进行年龄预测,得到最终的预测年龄。图像评分模型、图像预处理模型能够对待测鞋印图像进行筛选与去躁处理,将不同来源的数据转化为满足网络输入的数据;STA‑Net回归网络能够根据鞋印图像预测出年龄信息,相比于传统的预测方法,提高了预测的效率以及准确率。

    一种基于视频监控中的异常行为检测方法

    公开(公告)号:CN111680614B

    公开(公告)日:2023-04-14

    申请号:CN202010495091.6

    申请日:2020-06-03

    Applicant: 安徽大学

    Abstract: 本发明公开了一种基于视频监控中的异常行为检测方法,包括通过YOLOv3目标检测算法即快速又精确的检测出视频帧图像中的前景目标对象,可以去除背景噪声的影响,并且可以满足异常检测实时性的要求;将视频帧图像中的目标对象提取特征后,先对特征进行聚类,再输入到SVM分类器中,取得分最高的作为该目标对象的异常得分,最后取该视频帧图像中所有目标对象的异常得分中的最高值作为该帧图像的异常得分,利用SVM分类器可以快速准确的分类,并且满足实时性要求。本发明采用深度学习和机器学习的方法,能够有效地检测出异常事件的发生,并且可以达到实时检测的要求,提高了对异常事件检测的准确率。

    一种应用于矿井巷道的多模态融合建图与定位方法

    公开(公告)号:CN115855045A

    公开(公告)日:2023-03-28

    申请号:CN202211621639.2

    申请日:2022-12-16

    Applicant: 安徽大学

    Abstract: 本发明涉及矿井巷道建图与定位技术领域,解决了弱特征下且GNSS无法作用的矿井下定位与建图困难的技术问题,尤其涉及一种应用于矿井巷道的多模态融合建图与定位方法,包括以下步骤:获取相机当前帧的图像信息,并从当前帧的图像信息中提取点特征和线特征;根据当前帧的图像信息采用KLT算法和KnnMatch算法分别跟踪当前滑动窗口关键帧的点特征和线特征得到新的视觉点线特征信息;获取激光雷达当前激光帧的点云信息,计算点云信息中每个点的曲率,并根据每个点的曲率划分出边特征和面特征。本发明达到了能够做到高精度实时定位和建图,并且时间上和功耗上均衡的目的。

    一种多无人机站的组合配送方法及系统

    公开(公告)号:CN115577886A

    公开(公告)日:2023-01-06

    申请号:CN202211248044.7

    申请日:2022-10-12

    Applicant: 安徽大学

    Abstract: 本发明提供一种多无人机站的组合配送方法及系统,所述方法包括:采集多无人机站的旅行商数据,据以构建数学整数规划模型,并利用使用gurobi工具验证数据整数规划模型的正确性;利用基于合作的自适应大领域搜索算法处理多无人机旅行商数据,以得到最优调度方案;基于合作的自适应大领域搜索算法,根据数学整数规划模型处理得到最优解,据以作为最优调度方案,利用随机扰动和2‑opt扰动的方法循环优化车辆的路径,其中,第三策略中设置预设数目的破坏算子和修复算子。本发明解决了无人机站模拟及路径规划规模有限,受约束限制较多导致配送交付效率低的技术问题。

Patent Agency Ranking