-
公开(公告)号：CN112215226B
公开(公告)日：2022-06-07
申请号：CN202011184567.0
申请日：2020-10-30
Applicant: 桂林电子科技大学
IPC: G06V20/62 , G06K9/62 , G06N3/04 , G06T7/11 , G06V10/26 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于改进EAST算法的栅格地质图文本检测方法，该方法采用多尺度对象分割算法进行图像背景和图像文本的分割，同时结合按比例尺方法切割训练样本，然后运用focal‑loss函数改进模型损失函数，最后采用难、易检测文本目标权重动态调整策略来改进文本目标漏检的问题。实验验证了该算法具有检测准确率较高、对不同的地质图像的适应力较强的优点。能够有效降低地质图像文本检测的漏检率，具有一定的工程应用价值。实验结果表明，对多比例尺栅格地质图像进行文本检测，采用改进后EAST算法准确率相对改进前提高了5.1%，可更加快速、准确的检索到相关地质图像文字。
-
公开(公告)号：CN112184697A
公开(公告)日：2021-01-05
申请号：CN202011103209.2
申请日：2020-10-15
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于果蝇优化算法的糖尿病视网膜病变分级深度学习方法，该方法首次实现了多子群搜索过程中的动态子群湮灭和逃逸机制，同时将多子群、列维搜索与高斯边界校正机制有机融合，从而提高寻找全局最优解的能力，降低陷入局部最优解的风险。在模型所使用的糖尿病性视网膜病变图像数据集上，通过对糖尿病性视网膜病数据集进行10轮交叉验证，MALBFOA‑DL与基准模型之间在召回率数据上的比较，显而易见的，几乎在每个回合中，MALBFOA‑DL模型与同级别的基准模型（使用VGG‑16）相比较，都获得了更好的结果。
-
公开(公告)号：CN112184697B
公开(公告)日：2022-10-04
申请号：CN202011103209.2
申请日：2020-10-15
Applicant: 桂林电子科技大学
IPC: G06T7/00 , G06N3/08 , G06N3/04 , G06N3/00 , G06V10/82 , G06V10/774 , G06V10/764 , G06F30/27 , G06Q10/04
Abstract: 本发明公开了一种基于果蝇优化算法的糖尿病视网膜病变分级深度学习方法，该方法首次实现了多子群搜索过程中的动态子群湮灭和逃逸机制，同时将多子群、列维搜索与高斯边界校正机制有机融合，从而提高寻找全局最优解的能力，降低陷入局部最优解的风险。在模型所使用的糖尿病性视网膜病变图像数据集上，通过对糖尿病性视网膜病数据集进行10轮交叉验证，MALBFOA‑DL与基准模型之间在召回率数据上的比较，显而易见的，几乎在每个回合中，MALBFOA‑DL模型与同级别的基准模型（使用VGG‑16）相比较，都获得了更好的结果。
-
公开(公告)号：CN112215226A
公开(公告)日：2021-01-12
申请号：CN202011184567.0
申请日：2020-10-30
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于改进EAST算法的栅格地质图文本检测方法，该方法采用多尺度对象分割算法进行图像背景和图像文本的分割，同时结合按比例尺方法切割训练样本，然后运用focal‑loss函数改进模型损失函数，最后采用难、易检测文本目标权重动态调整策略来改进文本目标漏检的问题。实验验证了该算法具有检测准确率较高、对不同的地质图像的适应力较强的优点。能够有效降低地质图像文本检测的漏检率，具有一定的工程应用价值。实验结果表明，对多比例尺栅格地质图像进行文本检测，采用改进后EAST算法准确率相对改进前提高了5.1%，可更加快速、准确的检索到相关地质图像文字。
-
-
-
Search Results
4
records
(took 0.023 seconds)
