-
公开(公告)号：CN117765339A
公开(公告)日：2024-03-26
申请号：CN202410072254.8
申请日：2024-01-17
Applicant: 安徽大学
IPC: G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0985 , G06N3/084 , G06N3/096
Abstract: 本发明公开了一种基于高效参数迁移的眼底图像分类方法，包括：1获取患者的眼底图像数据并进行预处理，划分为训练集和测试集；2使用较大学习率和一个训练轮次在眼底图像训练集上训练，保存模型归一化层参数；3用相似度值来衡量模型归一化层参数在训练前后的变化，确定该层参数对眼底图像敏感性；4初始化超参数，根据参数敏感性多次调整模型和进行少量参数训练，找出最优模型。本发明从模型归一化层参数对患者的眼底图像的敏感性出发，通过调整模型结构和训练少量的参数，对模型参数高效迁移，从而实现对眼底图像的准确分类。
-
公开(公告)号：CN116319884A
公开(公告)日：2023-06-23
申请号：CN202310284440.3
申请日：2023-03-20
Applicant: 安徽大学
IPC: H04L67/12 , H04N7/18 , G07C1/20 , H04L67/143 , G06V10/40 , G06V10/82 , G06V10/20 , A42B3/04 , A42B3/30
Abstract: 本申请公开一种巡检系统以及巡检方法，所需算力低，巡检实时性强。巡检系统用于获取预设区域内的巡检目标信息，且所述巡检系统包括：所述巡检系统包括：可移动信息采集模块，用于采集第一信息，并对所述第一信息进行第一处理，以获取第一处理结果，所述第一处理结果中包含第一巡检目标信息，所述可移动信息采集模块还用于将所述第一处理结果上传至一运算模块；固定信息采集模块，用于采集第二信息，并将所述第二信息上传至所述运算模块；所述运算模块连接至所述可移动信息采集模块以及所述固定信息采集模块，以获取所述第一处理结果和第二信息，并能够对所述第二信息进行第二处理，以获取第二处理结果，所述第二处理结果中包含第二巡检目标信息，以及对所述第一巡检目标信息和第二巡检目标信息进行整合，形成可供显示的整合信息；显示模块，连接至所述运算模块，以获取并显示所述整合信息。
-
公开(公告)号：CN118470382A
公开(公告)日：2024-08-09
申请号：CN202410514037.X
申请日：2024-04-26
Applicant: 安徽大学
IPC: G06V10/764 , G06V10/44 , G06V10/82 , G06N3/0895
Abstract: 本发明公开了一种基于互加权特征解耦的无监督领域自适应图像分类方法，其步骤包括：1、获取具有c个类别的领域自适应图像数据集；2、构建基于互加权特征解耦的领域自适应网络模型；3、构建总体损失函数优化构建好的模型参数；4、得到最优的目标域图像分类模型。本发明通过同时学习领域不变特征和领域相关特征来减小领域间的差异，从而实现目标域图像类别的精准识别。
-
公开(公告)号：CN119670845A
公开(公告)日：2025-03-21
申请号：CN202411727330.0
申请日：2024-11-28
Applicant: 安徽大学
IPC: G06N3/096 , G06N3/0464 , G06F17/16
Abstract: 本发明公开了一种结合高效参数迁移学习的模型量化方法，包括：基于预训练的ViT模型构建M1模型，并在M1模型的注意力层中添加低秩自适应矩阵，得到添加LoRA模块后的M2模型；将M2模型中的若干子模块转化为量化模块，得到量化后的M3模型；设置权重量化比特数和激活量化比特数，对结合预设迁移学习方式的模型M3进行校准，得到校准后各模型；利用预设训练集按照训练逻辑分别对校准后各模型进行训练；利用预设验证集对训练后的QATL‑M3模型、PTLQ‑M3模型以及GQTL‑M3模型进行评估，得到评估结果。本发明涉及深度学习领域，解决了现有模型量化方法在低比特量化情况下，模型计算成本高，容易出现过拟合的技术问题。
-
公开(公告)号：CN115578551A
公开(公告)日：2023-01-06
申请号：CN202211233760.8
申请日：2022-10-10
Applicant: 安徽大学 , 安徽国信类脑智能科技有限公司
IPC: G06V10/22 , G06V10/32 , G06V10/56 , G06V10/764 , G06V10/774
Abstract: 本发明涉及图像识别处理数技术领域，公开了一种基于图像识别的家用电表状态核查方法，包括：获取包含电表图像的目标图片；对所述目标图片进行电表定位，获得电表图像信息；根据所述电表图像信息分别进行电表组件定位和破损状态识别；根据所述电表组件定位的结果获取对应组件的状态信息；根据所述电表图像信息，获取电表电线的位置和颜色信息；可以通过一次拍摄来获得多个电表的相关数据信息，提升电表状态及信息核查的效率和精准度。
-
Patent Agency Ranking
公开(公告)号：CN119109943A
公开(公告)日：2024-12-10
申请号：CN202411044049.7
申请日：2024-07-31
Applicant: 安徽大学
Abstract: 本发明公开了一种通信高效的联邦学习多粒度分组微调方法，涉及信息安全技术领域，解决了当前联邦学习的通信开销大以及在数据非独立同分布即Non‑IID场景下的模型性能弱的技术问题；本发明通过LoRA低秩参数矩阵构建客户端的预训练模型；客户端对参数矩阵B进行非对称性微调并将矩阵B上传至服务器；服务器进行多粒度分组并计算组内加权平均低秩矩阵；服务器对各客户端对应的专家门控参数进行加权平均得到平均专家门控参数，并用于全局模型的推理。本发明通过利用低秩适应矩阵的非对称性训练模型降低了LoRA的训练和通信开销，并且通过LoRA结合混合专家的训练方式提升了模型在Non‑IID场景下的精度。
-
公开(公告)号：CN118747820A
公开(公告)日：2024-10-08
申请号：CN202410897088.5
申请日：2024-07-05
Applicant: 安徽大学
IPC: G06V10/764 , G06V10/40 , G06V10/80 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/084 , G06N3/048 , G06N3/0895
Abstract: 本发明公开了一种基于特征解耦的特征增广领域泛化图像识别方法，其步骤包括：1、获取具有c个类别k个领域的领域泛化图像数据集；2、构建特征解耦网络模型并利用损失函数优化模型参数；3、基于特征解耦网络构建增广特征并利用对比学习损失函数进一步优化模型参数；4、得到泛化能力最优的图像分类模型。本发明通过同时学习域不变特征和因果相关特征来提升模型的泛化能力，且通过特征增广策略进一步提升模型对困难样本的泛化能力，从而实现对未知目标域图像类别的精准识别。
-
公开(公告)号：CN115993829A
公开(公告)日：2023-04-21
申请号：CN202310272896.8
申请日：2023-03-21
Applicant: 安徽大学
Abstract: 本发明公开了一种基于盲道识别的机器狗导盲运动控制方法，包括：机器狗的鱼眼相机获取盲道的鱼眼图像，鱼眼图像校正模块进行鱼眼图像校正，得到正常镜头下的图像；对正常镜头下的图像依次进行灰度化、二值化及腐蚀处理后，提取图像中盲道的轮廓并确定图像中盲道中心点；计算盲道中心点与图像中心点构成的像素差向量，基于比例‑积分‑微分控制器的机器狗导盲运动控制模块根据所述像素差向量，实时发布机器狗沿着盲道运动的转向速度指令。本发明适用于机器狗持续沿盲道运动，可提高机器狗对盲道的感知能力，从而进一步提高机器狗导盲的安全性。
-
公开(公告)号：CN115578550A
公开(公告)日：2023-01-06
申请号：CN202211226175.5
申请日：2022-10-09
Applicant: 安徽大学 , 安徽国信类脑智能科技有限公司
Abstract: 本发明涉及人工智能和图像处理技术领域，公开了一种一维码识别的图像处理方法，包括：S1，获取包含目标一维码的电表图像数据；S2，将电表图像输入目标检测模型；目标检测模型输出目标一维码在电表图像中的坐标区域；S3，根据坐标区域对目标一维码进行光线均衡化得到第一阶段码；S4，对第一阶段码进行降噪处理得到第二阶段码；S5，对第二阶段码进行矫正处理得到第三阶段码；S6，对第三阶段码进行解码；最终实现在能精确识别一维码的同时，还能满足各种情况下对目标一维码进行准确解码识别的要求。
-
公开(公告)号：CN116912575A
公开(公告)日：2023-10-20
申请号：CN202310866261.0
申请日：2023-07-14
Applicant: 安徽大学 , 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
IPC: G06V10/764 , G06V10/82 , G06N3/088 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种特征解纠缠的无监督领域自适应图像分类方法，包括：1.对源域目标域图像预处理；2.构建基于特征解耦的领域自适应模型；3.将处理好的图像作为输入，以无监督的方式训练构建好的网络模型并利用训练好的网络模型进项跨域图像分类。本发明通过将语义相关特征与不同的领域相关特征相结合，可以在不改变其内在类别信息的情况下将特征转移到其他领域，从而完成图像高效高准确率的分类。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.023 seconds)
