-
公开(公告)号：CN112751671A
公开(公告)日：2021-05-04
申请号：CN202011620056.9
申请日：2020-12-30
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于树型奇偶机的新型密钥交换方法，包括：S1，通信双方均在本地生成树型奇偶机网络模型；S2，通信双方均生成滑动窗口；S3，通信双方产生相同的随机向量；S4，将随机向量x输入网络模型；模型分别输出τa、τb；S5，判断τa和τb是否相等；S6，按照Hebbian的更新规则更新模型的权值，并且将结果true保存至滑动窗口中；S7，重复执行步骤S3‑S6，直到双方的权值向量的Hash值完全相同，得到双方的网络权值Ka和Kb。本发明实现神经网络自同步的性质来达到密钥交换的目的。以加入动态学习率后的更新规则更新双方的模型的权值的方法可以降低网络同步所需的次数，加快网络的同步速度。
-
公开(公告)号：CN114913544B
公开(公告)日：2024-09-13
申请号：CN202210456018.7
申请日：2022-04-28
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于语义分割的虾苗计数方法、系统、云服务器及介质，所述方法包括：获取第一数据集，并对第一数据集进行数据处理，得到第二数据集；构建基于语义分割的计数网络模型，所述计数网络模型包括骨干网络、分割图分支、只数回归分支和全连接层模块，所述只数回归分支与全连接层模块连接；利用第二数据集对所述计数网络模型进行训练与验证，得到虾苗计数网络模型；对获取到的待计数虾苗图像进行预处理；将预处理后的待计数虾苗图像输入虾苗计数网络模型，得到待计数虾苗的二值分割图；对所述二值分割图进行统计计数，实现虾苗计数。本发明通过构造基于语义分割的虾苗计数网络模型，实现虾苗计数，可以提高虾苗计数的准确率和稳定性。
-
公开(公告)号：CN114782368B
公开(公告)日：2025-02-18
申请号：CN202210440564.1
申请日：2022-04-25
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于视觉检测融合多动态阈值的虾苗自动计数方法及系统，方法包括：获取虾苗图像数据集；构建目标检测模型；利用虾苗图像数据集对目标检测模型进行训练，得到虾苗目标检测模型；获取待计数虾苗图像，并对待计数虾苗图像进行预处理；将预处理后的待计数虾苗图像输入虾苗目标检测模型，得到第一虾苗区域图；对第一虾苗区域图进行处理，得到第二虾苗区域图；基于虾苗的检测结果，选取虾苗样本，对第二虾苗区域图进行多动态阈值处理；利用优化匹配策略对多动态阈值处理后的第二虾苗区域图和虾苗的检测结果进行处理，实现虾苗自动计数。本发明能在复杂背景下对不同日龄的虾苗实现自动、快速、准确、无脱水状态下的计数，提高计数效率。
-
公开(公告)号：CN113989538B
公开(公告)日：2024-11-19
申请号：CN202111062601.1
申请日：2021-09-10
Applicant: 华南农业大学
IPC: G06V10/764 , G06V10/774 , G06V10/26 , G06V10/82
Abstract: 本发明公开了一种基于深度图像的鸡群均匀度估测方法、装置、系统及介质，所述方法包括：获取肉鸡深度图像库；根据肉鸡深度图像库，构造目标分割数据集以及体重分类数据集；搭建目标分割网络和体重分类网络；利用目标分割数据集对目标分割网络进行训练，生成目标掩模图像数据集和矩形裁剪图像数据集；利用目标掩模图像数据集、矩形裁剪图像数据集和体重分类数据集对体重分类网络进行训练；利用训练好的体重分类网络对待测图像进行估测，得到体重类别以及对应的体重区间，并根据鸡群数据以及标准的肉鸡日龄体重计算出鸡群均匀度。本发明利用深度学习网络来自动提取图像特征，并进行体重分类，增加分类数以达到误差(50g)以内的体重估测，最终结合体重计算出鸡群均匀度。
-
公开(公告)号：CN112651979B
公开(公告)日：2023-10-10
申请号：CN202110028364.0
申请日：2021-01-11
Applicant: 华南农业大学
IPC: G06T7/11 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种肺部X光图像分割方法、系统、计算机设备及存储介质，所述方法包括：获取肺部X光图像数据集；对肺部X光图像数据集进行预处理，得到训练集；将训练集输入RIAMU‑Net模型进行训练，得到训练后的RIAMU‑Net模型，所述RIAMU‑Net模型以U‑Net模型为基础，编码器的每一层均包括Res‑inception模块，解码器的每一层均包括注意力机制模块和Res‑inception模块；利用训练后的RIAMU‑Net模型对待分割肺部X光图像数据进行分割，得到分割图像。本发明基于U‑Net模型，改进模型结构，使之能更好地提取X光图像的特征，可以更加精确的分割肺部图像，对肺部边缘分割的效果上有所提高。
-
Patent Agency Ranking
公开(公告)号：CN115222666A
公开(公告)日：2022-10-21
申请号：CN202210664948.1
申请日：2022-06-14
Applicant: 华南农业大学
Inventor： 李西明 , 吴精乙 , 高月芳 , 邵楚琪 , 郭玉彬 , 赵泽勇 , 劳慧雯 , 梁宇君 , 吴子彤 , 关颖盈 , 严家美 , 温嘉勇 , 刘瑞祥 , 吴颖琪 , 史东博 , 胡东晴
Abstract: 本发明公开了一种基于关键点检测的虾苗计数方法、系统、设备及存储介质，所述方法包括：获取虾苗图像集；构建关键点检测网络模型；将虾苗图像集输入关键点检测网络模型进行训练，得到虾苗关键点检测网络模型；获取待计数虾苗图像；将待计数虾苗图像输入虾苗关键点检测网络模型，得到关键点检测结果；根据关键点检测结果，实现虾苗计数。本发明构建得到的关键点检测网络模型，不仅适用于南美白对虾虾苗的准确计数，而且还适用于长条形态的虾苗的准确计数，在提高虾苗计数准确率的同时，提高了对虾苗种类的普适性，具有广阔的应用场景。
-
公开(公告)号：CN112651979A
公开(公告)日：2021-04-13
申请号：CN202110028364.0
申请日：2021-01-11
Applicant: 华南农业大学
Abstract: 本发明公开了一种肺部X光图像分割方法、系统、计算机设备及存储介质，所述方法包括：获取肺部X光图像数据集；对肺部X光图像数据集进行预处理，得到训练集；将训练集输入RIAMU‑Net模型进行训练，得到训练后的RIAMU‑Net模型，所述RIAMU‑Net模型以U‑Net模型为基础，编码器的每一层均包括Res‑inception模块，解码器的每一层均包括注意力机制模块和Res‑inception模块；利用训练后的RIAMU‑Net模型对待分割肺部X光图像数据进行分割，得到分割图像。本发明基于U‑Net模型，改进模型结构，使之能更好地提取X光图像的特征，可以更加精确的分割肺部图像，对肺部边缘分割的效果上有所提高。
-
公开(公告)号：CN114913544A
公开(公告)日：2022-08-16
申请号：CN202210456018.7
申请日：2022-04-28
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于语义分割的虾苗计数方法、系统、云服务器及介质，所述方法包括：获取第一数据集，并对第一数据集进行数据处理，得到第二数据集；构建基于语义分割的计数网络模型，所述计数网络模型包括骨干网络、分割图分支、只数回归分支和全连接层模块，所述只数回归分支与全连接层模块连接；利用第二数据集对所述计数网络模型进行训练与验证，得到虾苗计数网络模型；对获取到的待计数虾苗图像进行预处理；将预处理后的待计数虾苗图像输入虾苗计数网络模型，得到待计数虾苗的二值分割图；对所述二值分割图进行统计计数，实现虾苗计数。本发明通过构造基于语义分割的虾苗计数网络模型，实现虾苗计数，可以提高虾苗计数的准确率和稳定性。
-
公开(公告)号：CN114782368A
公开(公告)日：2022-07-22
申请号：CN202210440564.1
申请日：2022-04-25
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于视觉检测融合多动态阈值的虾苗自动计数方法及系统，方法包括：获取虾苗图像数据集；构建目标检测模型；利用虾苗图像数据集对目标检测模型进行训练，得到虾苗目标检测模型；获取待计数虾苗图像，并对待计数虾苗图像进行预处理；将预处理后的待计数虾苗图像输入虾苗目标检测模型，得到第一虾苗区域图；对第一虾苗区域图进行处理，得到第二虾苗区域图；基于虾苗的检测结果，选取虾苗样本，对第二虾苗区域图进行多动态阈值处理；利用优化匹配策略对多动态阈值处理后的第二虾苗区域图和虾苗的检测结果进行处理，实现虾苗自动计数。本发明能在复杂背景下对不同日龄的虾苗实现自动、快速、准确、无脱水状态下的计数，提高计数效率。
-
公开(公告)号：CN112751671B
公开(公告)日：2022-07-05
申请号：CN202011620056.9
申请日：2020-12-30
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于树型奇偶机的新型密钥交换方法，包括：S1，通信双方均在本地生成树型奇偶机网络模型；S2，通信双方均生成滑动窗口；S3，通信双方产生相同的随机向量；S4，将随机向量x输入网络模型；模型分别输出τa、τb；S5，判断τa和τb是否相等；S6，按照Hebbian的更新规则更新模型的权值，并且将结果true保存至滑动窗口中；S7，重复执行步骤S3‑S6，直到双方的权值向量的Hash值完全相同，得到双方的网络权值Ka和Kb。本发明实现神经网络自同步的性质来达到密钥交换的目的。以加入动态学习率后的更新规则更新双方的模型的权值的方法可以降低网络同步所需的次数，加快网络的同步速度。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.017 seconds)
