-
公开(公告)号：CN112257765A
公开(公告)日：2021-01-22
申请号：CN202011108329.1
申请日：2020-10-16
Applicant: 济南大学
Abstract: 本发明公开了一种基于未知类相似类别集的零样本图像分类方法，利用已知类样本特征训练好的类别分类器对未知类进行类别预测，获得图像样本特征层面上未知类与已知类的相似程度；利用数据集类别与属性之间的关系，从属性层面上获得类别之间的相似关系；将未知类的特征相似类别集和属性相似类别集进行融合，生成未知类的相似类别集合；将未知类的相似已知类图像样本作为训练样本重新训练各未知类的类别分类器，用属性对类别的区分度表示类别与属性之间的关系，并在此基础上增加未知类和已知类的特征相似关系权重以及未知类与属性的关系权重，基于间接属性预测模型完成类别预测。本发明使零样本图像分类过程更加客观与直观。
-
公开(公告)号：CN117238313A
公开(公告)日：2023-12-15
申请号：CN202311132110.9
申请日：2023-09-04
Applicant: 济南大学产业技术研究院有限公司
Abstract: 本发明属于音频信号处理技术领域，提供了一种基于梅尔谱和深度学习的西瓜成熟度无损检测方法及系统，对音频信息进行预加重处理、分帧处理、加窗处理和短时傅里叶变换，利用音频信息频域比时域蕴含特征信息丰富的特点，将音频信息从时域转换到频域，获得音频的频谱特征，将获得的频谱特征转换为梅尔谱特征，进行降维，利用梅尔谱可以保留主要频谱特征的特点，解决了降维使得特征蕴含较少的问题，将获得的频谱特征转换为梅尔谱特征，通过降维减少了检测模型的复杂度和计算开销，也解决了如果西瓜品种或检测设备发生改变时，采用手工选择特征方式导致的检测效果差的问题。
-
公开(公告)号：CN114913377B
公开(公告)日：2024-08-06
申请号：CN202210546904.9
申请日：2022-05-19
Applicant: 济南大学
IPC: G06V10/764 , G06V10/40 , G06V10/82 , G06T7/00 , G06T7/13 , G06T7/73 , G06T7/11 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开了一种基于空间上下文变分自动编码器的图像异常检测方法，所述方法通过使用空间上下文变分自动编码器，进行图像生成与注意力校正，检测异常图像；所述空间上下文变分自动编码器包括两个不同的变分自动编码器：第一个为空间变分自动编码器，用于学习正常图像的空间特征；第二个为上下文变分自动编码器，用于学习正常图像的全局上下文特征。本发明通过使用空间上下文变分自动编码器学习正常图像的分布，检测不符合正常图像分布的疾病图像，通过准确学习正常图像的空间特征和上下文特征，在有效检测异常的同时降低误报；同时使用注意力校正方法，进一步提高异常检测的准确率。
-
公开(公告)号：CN116402770A
公开(公告)日：2023-07-07
申请号：CN202310287411.2
申请日：2023-03-20
Applicant: 济南大学
Abstract: 本发明公开了一种基于灰度涨落场和灰度累积的输电线舞动检测方法和装置，方法包括以下步骤：采集输电线现场监控视频；对采集的视频进行预处理，并基于视频图像信息建立输电线场景模型；计算视频图像中每个像素点的平均灰度值，构建随机灰度涨落场；将视频图像逐帧与背景模型进行差分处理，对分割结果利用随机灰度涨落场和3σ准则进行二值化，分割输电线；对输电线分割结果进行灰度累积，进行输电线的运动映射；利用穿线法对输电线运动幅度进行统计平均，得到平均舞动幅度；将平均舞动幅度与静止时的幅度进行对比，判断是否发生舞动。本发明能够在不依赖间隔棒的情况下对输电线的舞动进行检测，获得较高的检测准确率。
-
Patent Agency Ranking
公开(公告)号：CN112257765B
公开(公告)日：2022-09-23
申请号：CN202011108329.1
申请日：2020-10-16
Applicant: 济南大学
IPC: G06V10/774 , G06V10/764 , G06F17/16
Abstract: 本发明公开了一种基于未知类相似类别集的零样本图像分类方法，利用已知类样本特征训练好的类别分类器对未知类进行类别预测，获得图像样本特征层面上未知类与已知类的相似程度；利用数据集类别与属性之间的关系，从属性层面上获得类别之间的相似关系；将未知类的特征相似类别集和属性相似类别集进行融合，生成未知类的相似类别集合；将未知类的相似已知类图像样本作为训练样本重新训练各未知类的类别分类器，用属性对类别的区分度表示类别与属性之间的关系，并在此基础上增加未知类和已知类的特征相似关系权重以及未知类与属性的关系权重，基于间接属性预测模型完成类别预测。本发明使零样本图像分类过程更加客观与直观。
-
公开(公告)号：CN118504802A
公开(公告)日：2024-08-16
申请号：CN202410621287.3
申请日：2024-05-20
Applicant: 济南大学
IPC: G06Q10/047 , G06N5/01 , G06Q50/12 , G06N5/025
Abstract: 本发明提供一种基于有向图优化的景区内部微循环决策方法，其中包括随机生成道路双向通行比率，计算道路舒适度，计算道路语义距离，利用有限广度优先搜索策略找出所有的候选游览路线，利用轮盘赌模型为行人分配游览路线，利用RVO模型模拟仿真行人在景区内的运动，利用承载力和道路密度均衡性两个指标对路段进行评估，按照评估结果不断调整双向行人间比例，直到找出各个路段对应的最佳通行比例，对景区采取一定的管理措施，最终提高游客游览的体验感和安全性。
-
公开(公告)号：CN114913377A
公开(公告)日：2022-08-16
申请号：CN202210546904.9
申请日：2022-05-19
Applicant: 济南大学
IPC: G06V10/764 , G06V10/40 , G06V10/82 , G06K9/62 , G06T7/00 , G06T7/13 , G06T7/73 , G06T7/11 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于空间上下文变分自动编码器的图像异常检测方法，所述方法通过使用空间上下文变分自动编码器，进行图像生成与注意力校正，检测异常图像；所述空间上下文变分自动编码器包括两个不同的变分自动编码器：第一个为空间变分自动编码器，用于学习正常图像的空间特征；第二个为上下文变分自动编码器，用于学习正常图像的全局上下文特征。本发明通过使用空间上下文变分自动编码器学习正常图像的分布，检测不符合正常图像分布的疾病图像，通过准确学习正常图像的空间特征和上下文特征，在有效检测异常的同时降低误报；同时使用注意力校正方法，进一步提高异常检测的准确率。
-
公开(公告)号：CN118230273A
公开(公告)日：2024-06-21
申请号：CN202410520857.X
申请日：2024-04-28
Applicant: 济南大学
IPC: G06V20/56 , G06V10/20 , G06V10/40 , G06V10/82 , G06V10/80 , G06V10/766 , G06N3/044 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种融合深度学习与几何建模的鲁棒性车道线检测方法，首先利用基于空间变换的卷积神经网络网络对预处理后的车载图像进行关键特征提取，将生成后的特征图进行水平翻转处理，再将原始特征图和翻转后的特征图进行有效融合得到聚合特征图，采用数据驱动的策略拟合并重建三次样条曲线，形成一种可自适应学习的车道线几何模型，最后，通过分类分支和回归分支输出预测结果，精确估计出三次样条曲线的控制点和车道线存在的概率。本发明在确保曲线检测所特有的低计算复杂度优势前提下，实现了鲁棒性和准确性的统一，为自动驾驶及其他相关应用领域提供了坚实可靠的技术。
-
公开(公告)号：CN116152286A
公开(公告)日：2023-05-23
申请号：CN202310287402.3
申请日：2023-03-20
Applicant: 济南大学
Abstract: 本发明公开了一种基于垂直投影直方图计算目标形变程度的方法和装置，方法包括以下步骤：获取连续拍摄的N帧图像序列，进行背景建模得到背景图像；对背景图像的每个像素计算灰度标准差；对背景图像中选定的目标区域做垂直投影，计算目标区域在背景图像和实时帧图像中的灰度特征；判断目标区域在背景图像与实时帧的灰度特征差异；根据目标区域在背景图像与实时帧的灰度特征差异，计算目标区域的形变程度。本发明不仅实现了目标区域的形变程度判断，而且在满足实时性的基础上能够准确、高效地判断目标区域的形变程度。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.016 seconds)
