-
公开(公告)号：CN109063730B
公开(公告)日：2022-01-07
申请号：CN201810649092.4
申请日：2018-06-22
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种凸规划聚类水污染溯源方法，包括：基于Siamese网络的邻近点相似度描述样本；利用所述邻近节点相似度抽取水污染溯源特征；将所述水污染溯源特征结合监测网络节点的地理分布信息，构造图模型；将水污染溯源等价于所述图模型的全局优化分割，将所述图模型的全局优化分割转换为最小传导率；最大化特征基内接椭球体的凸规划，实现多类水污染的同时溯源。本发明在水污染检测网络中对水污染进行溯源，利用全光谱指纹图谱的相似度，并结合江河湖泊水流的连通性和单向性构建图模型，将水污染溯源等价于网络图模型上的全局优化分割问题，既有效地规避的类别数多或类别样本数量不足的问题，又能够充分利用全光谱指纹图谱的丰富信息。
-
Patent Agency Ranking
-
公开(公告)号：CN110245620B
公开(公告)日：2021-08-20
申请号：CN201910524163.2
申请日：2019-06-18
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于注意力的非最大化抑制方法，包括：步骤S1、将测试图像输入预先训练好的Faster RCNN网络，提取所述图像的特征信息，Region of Interest网络部分输出各个建议区域上不同类别目标的分类置信度；步骤S2、将所述分类置信度作为注意力驱动信号进行自上而下的反向传播，生成目标注意力地图；步骤S3、根据所述注意力地图计算每一检测边界框的感兴趣概率，并将所述感兴趣概率与所述分类置信度的加权和作为感兴趣分数，优化NMS边界框检测。本发明能够充分利用网络中图像的特征信息，以有效解决目标分类置信度的空间信息缺失问题，调节分类置信度与定位精度的不一致性；并且在不用修改网络或者额外的网络训练情况下，改进了NMS，提高了目标检测的精度。
-
公开(公告)号：CN109063730A
公开(公告)日：2018-12-21
申请号：CN201810649092.4
申请日：2018-06-22
Applicant: 杭州电子科技大学
CPC classification number: G06K9/6218 , G06K9/6256 , G06Q50/06
Abstract: 本发明提供一种凸规划聚类水污染溯源方法，包括：基于Siamese网络的邻近点相似度描述样本；利用所述邻近节点相似度抽取水污染溯源特征；将所述水污染溯源特征结合监测网络节点的地理分布信息，构造图模型；将水污染溯源等价于所述图模型的全局优化分割，将所述图模型的全局优化分割转换为最小传导率；最大化特征基内接椭球体的凸规划，实现多类水污染的同时溯源。本发明在水污染检测网络中对水污染进行溯源，利用全光谱指纹图谱的相似度，并结合江河湖泊水流的连通性和单向性构建图模型，将水污染溯源等价于网络图模型上的全局优化分割问题，既有效地规避的类别数多或类别样本数量不足的问题，又能够充分利用全光谱指纹图谱的丰富信息。
-
-
公开(公告)号：CN110245620A
公开(公告)日：2019-09-17
申请号：CN201910524163.2
申请日：2019-06-18
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于注意力的非最大化抑制方法，包括：步骤S1、将测试图像输入预先训练好的Faster RCNN网络，提取所述图像的特征信息，Region of Interest网络部分输出各个建议区域上不同类别目标的分类置信度；步骤S2、将所述分类置信度作为注意力驱动信号进行自上而下的反向传播，生成目标注意力地图；步骤S3、根据所述注意力地图计算每一检测边界框的感兴趣概率，并将所述感兴趣概率与所述分类置信度的加权和作为感兴趣分数，优化NMS边界框检测。本发明能够充分利用网络中图像的特征信息，以有效解决目标分类置信度的空间信息缺失问题，调节分类置信度与定位精度的不一致性；并且在不用修改网络或者额外的网络训练情况下，改进了NMS，提高了目标检测的精度。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
