-
-
公开(公告)号：CN111402202A
公开(公告)日：2020-07-10
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。
-
公开(公告)号：CN110942251A
公开(公告)日：2020-03-31
申请号：CN201911179848.4
申请日：2019-11-27
Applicant: 安徽大学
Abstract: 本发明提供了一种基于联合蚁群算法的批调度方法，包括以下步骤：初始化Tmax、AntNum、n，I，S，信息素矩阵、ρ、库存概率和运输概率，令t＝1，Ant＝0；令Ant＝Ant+1，蚂蚁Ant对工件进行分配输出调度方案；通过局部优化策略优化调度方案，计算优化后的调度方案的目标值，更新库存概率和运输概率；重复此过程直到所有蚂蚁用尽结束本次迭代，获取全局最优调度方案，更新信息素，如果t＜Tmax，则令t＝t+1，Ant＝0，返回分配工件，直到迭代结束，输出全局最优调度方案。本发明提供的一种基于联合蚁群算法的批调度方法的优点在于：综合考虑的生产过程中的库存和运输问题，通过合理的反馈机制，适合解决大规模批调度问题，实现成本优化，能够为生产过程提供有效的指导建议。
-
公开(公告)号：CN108596269A
公开(公告)日：2018-09-28
申请号：CN201810416943.0
申请日：2018-05-04
Applicant: 安徽大学
Abstract: 本发明提供一种基于SVM+CNN的足底压力图像的识别算法。该方法包括以下步骤：首先，对足底压力图像进行滤波，构建足底压力图像数据集；其次，分别提取特征，包括提取具有明确特征意义的特征和利用卷积神经网络（CNN）提取的图像特征；然后，将具有明确特征意义的特征和利用CNN提取的图像特征进行融合，经归一化后得到特征数据集；最后，足底压力图像的识别，将特征数据集送入支持向量机（SVM）进行训练、测试，得到结果。该算法避免了因图像不清楚而导致的特征提取困难等问题，从而提高了算法的鲁棒性。
-
公开(公告)号：CN108573502A
公开(公告)日：2018-09-25
申请号：CN201810182773.4
申请日：2018-03-06
Applicant: 安徽大学
Abstract: 本发明公开了一种自动测量Cobb角的方法，所述方法包括以下步骤：步骤一：预处理；步骤二：增强的分水岭分割算法；步骤三：提取各脊椎中心点并拟合曲线；步骤四：自动计算Cobb角。本发明所述方法无须手动确立上下终端，使得算法鲁棒性更高，并且可适用于Cobb角测量经验较少的操作人员；采用分割-提取中心点并拟合曲线的方式代表脊柱曲率，进一步可用于腰椎滑脱以及骨折等症状的诊断中，采用这种方式，可以有效直观地显示脊柱的曲率；该方法结果稳定，误差较小。
-
Patent Agency Ranking
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
IPC: G06Q10/0631 , G06Q50/14 , G06N3/0442 , G06N3/045 , G06N3/084
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。
-
公开(公告)号：CN113656623B
公开(公告)日：2024-09-27
申请号：CN202110940231.0
申请日：2021-08-17
Applicant: 安徽大学
IPC: G06F16/532 , G06F16/55 , G06F16/583 , G06N3/0442 , G06N3/0464 , G06N3/084 , G06T5/70 , G06T5/60 , G06T7/10
Abstract: 本发明涉及基于时序移位和多分支时空增强网络的成趟足迹图像检索方法，与现有技术相比解决了成趟足迹图像之间有效的时空特征少、难以聚合不同类别的差异性特征的缺陷。本发明包括以下步骤：训练数据的获取；构建成趟足迹图像检索模型；对训练数据进行预处理；成趟足迹图像检索模型的训练；待检索成趟足迹图像的获取；成趟足迹图像的检索。本发明提高了成趟足迹图像的检索速度和准确率。
-
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
IPC: G06V20/17 , G06V20/10 , G06V10/82 , G06V10/80 , G06V10/774 , G06V10/26 , G06N3/0464
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。
-
公开(公告)号：CN117058544A
公开(公告)日：2023-11-14
申请号：CN202311026196.7
申请日：2023-08-15
Applicant: 安徽大学 , 安徽博微广成信息科技有限公司
IPC: G06V20/10 , G06V10/44 , G06V10/26 , G06V20/70 , G06V10/80 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/048 , G06N3/08 , G06N5/04
Abstract: 本发明公开了一种基于双边特征提取和多层次特征融合的水面漂浮物识别方法，包括：1、获取监控相机拍摄的水面漂浮物图片；2、构建基于双边特征提取的语义分割网络，并对水面漂浮物图像进行推理得到图像的水面区域；3、构建基于多层次特征融合的水面漂浮物病害检测网络，并对水面漂浮物图像进行推理得到图像的漂浮物区域；4、本发明能对水面漂浮物图像分割出水面区域并检测出漂浮物区域。本发明能避免非水面区域干扰，从而能更精准的漂浮物检测，同时检测模型结构设计轻量化，运行速度快，计算资源占用少。
-
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
IPC: G06V20/40 , G06V10/774 , G06V10/82 , G06V10/10 , G06N3/0464 , G06N3/048 , G06N3/08
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。
-
-
-
-
-
-
-
-
-
Search Results
114
records
(took 0.023 seconds)
