-
公开(公告)号：CN118014943A
公开(公告)日：2024-05-10
申请号：CN202410116317.5
申请日：2024-01-29
Applicant: 湘潭大学
IPC: G06T7/00 , G06V10/44 , G06V10/774 , G06V10/776 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种PCB外观缺陷检测与识别方法，本发明方法包括采集被检测的PCB外观缺陷图像，将PCB外观缺陷图像输入到预先训练好的PCB外观缺陷图像检测模型得到被检测的PCB外观缺陷的检测结果，PCB外观缺陷图像检测模型包括：主干特征提取网络，用于对输入的PCB外观缺陷图像提取不同层次的特征；多通道特征聚合网络MCFFN，用于对主干特征提取网络的特征图进行多通道多尺度特征聚合，得到的特征图送入检测头网络；检测头网络，用于对特征聚合后的特征图进行检测，获得PCB外观缺陷的检测结果。本发明具有检测精度高、推理速度实时性高的优点，满足了PCB外观缺陷智能检测的需要。
-
公开(公告)号：CN113849457A
公开(公告)日：2021-12-28
申请号：CN202110985362.0
申请日：2021-08-25
Applicant: 湘潭大学
IPC: G06F16/11 , G06F16/17 , G06F16/174 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种基于神经网络的多云数据中心动态副本放置方法。包括下列主要步骤：首先，根据文件的历史访问记录，统计文件的各个周期的访问量，使用LSTM神经网络预测文件下一段时间的访问量；其次，根据文件副本数计算文件的可用性，及可用性差值用来确定该文件的最小副本数，然后根据文件访问量和最小副本数计算各文件的副本数；最后，根据数据中心对文件访问请求的平均处理时间，及惩罚代价，以及各个数据中心的负载方差构建目标函数，对文件副本进行放置；本发明提高了对文件访问量的预。
-
公开(公告)号：CN114972835B
公开(公告)日：2024-08-02
申请号：CN202111458156.0
申请日：2021-12-02
Applicant: 湘潭大学
IPC: G06V10/764 , G06V10/82 , G06N3/047 , G06N3/09
Abstract: 本发明提出了一种混合抑制数据增强方法。本发明的主要特征在于：第一，在深度学习模型训练过程中对数据进行读取，并完成数据集标签的统计与分析；第二，通过分析的结果，在训练过程中的每一轮中对读入的图像动态选取不同的被删除标签和信息源标签；第三，将选取的被删除标签和信息源标签进行图像信息的区域信息擦除和混合，产生新的图像样本。通过上述的方式，本发明能够显著降低深度学习在实际应用过程中对数据集数量的需求，在不改变图像背景以及目标位置分布的情况下抑制现实数据集中广泛存在的长尾效应，提升数据集各个类别的多样性，极大的减少深度学习落地应用的开发成本。
-
Patent Agency Ranking
公开(公告)号：CN113849457B
公开(公告)日：2024-04-05
申请号：CN202110985362.0
申请日：2021-08-25
Applicant: 湘潭大学
IPC: G06F16/11 , G06F16/17 , G06F16/174 , G06N3/0442 , G06N3/08
Abstract: 本发明提出了一种基于神经网络的多云数据中心动态副本放置方法。包括下列主要步骤：首先，根据文件的历史访问记录，统计文件的各个周期的访问量，使用LSTM神经网络预测文件下一段时间的访问量；其次，根据文件副本数计算文件的可用性，及可用性差值用来确定该文件的最小副本数，然后根据文件访问量和最小副本数计算各文件的副本数；最后，根据数据中心对文件访问请求的平均处理时间，及惩罚代价，以及各个数据中心的负载方差构建目标函数，对文件副本进行放置；本发明提高了对文件访问量的预测精度，降低了服务提供商对响应延迟的违规惩罚和提高了数据中心之间的负载均衡。
-
公开(公告)号：CN117974590A
公开(公告)日：2024-05-03
申请号：CN202410112556.3
申请日：2024-01-26
Applicant: 湘潭大学
IPC: G06T7/00 , G06V10/56 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0464
Abstract: 本发明公开了一种工业装配线乱序零部件视觉检测方法，主要解决工业装配车间人工配料环节出现的错配、漏配、少配等问题。本发明方法包括采集工业装配线传送带上的物料托盘图像，将物料托盘图像输入到预先训练好的工业装配线零部件视觉检测模型，得到待识别的托盘零部件的检测结果，工业装配线零部件视觉检测模型包括：主干特征提取网络，多层级扩张并行网络和轻量化解耦检测头网络。本发明对工业装配车间的配料托盘零件进行识别和计数，具有检测精度高、推理速度实时性高、计算资源消耗低的优点，可应用于汽车、电子先进制造工业领域的零部件和总成装配线，确保生产线零部件配料无错漏。
-
公开(公告)号：CN117456190A
公开(公告)日：2024-01-26
申请号：CN202311636475.5
申请日：2023-12-01
Applicant: 湘潭大学
IPC: G06V10/26 , G06V20/64 , G06V20/70 , G06V10/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种面向大规模复杂场景的点云语义分割方法，主要解决现有技术分割精度较低、网络收敛速度慢和模型参数量大的问题，该方法将点云场景的原始数据输入到训练好的点云场景语义分割模型中，为点云中每个点预测类别，得到点云场景的整体分割结果；构建的点云场景语义分割模型由主干特征提取网络、点采样和分组重聚合模块、层间辅助网络、上采样插值解码网络和逐点分类模块组成。本方法在占用较少训练阶段计算资源的情况下，提高了点云场景语义分割的精度以及加快了网络收敛速度，且整个模型的参数量较少。
-
公开(公告)号：CN115102974A
公开(公告)日：2022-09-23
申请号：CN202111488348.6
申请日：2021-12-08
Applicant: 湘潭大学
IPC: H04L67/12 , H04L41/142 , H04L67/5681
Abstract: 本发明提出了一种基于双边匹配博弈的协同内容缓存方法。本发明步骤为：首先根据请求车辆的偏好列表以及内容请求参数初始化车辆之间的关联值；然后，根据公式计算车辆的权重值和网络开销，通过双边匹配博弈算法动态调整车辆的关联值列表；最后引进强化学习模型来获得最优的内容缓存策略。本发明构建了一个车载环境下的云边协同缓存框架，有效利用多设备的协同缓存，提高缓存命中率；结合车辆的高速动态性，建立基于时延感知的双边匹配博弈算法，实现设备和请求车辆之间的动态关联，从而作出缓存决策，减少内容传输时延和网络开销。
-
公开(公告)号：CN114972835A
公开(公告)日：2022-08-30
申请号：CN202111458156.0
申请日：2021-12-02
Applicant: 湘潭大学
IPC: G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种混合抑制数据增强方法。本发明的主要特征在于：第一，在深度学习模型训练过程中对数据进行读取，并完成数据集标签的统计与分析；第二，通过分析的结果，在训练过程中的每一轮中对读入的图像动态选取不同的被删除标签和信息源标签；第三，将选取的被删除标签和信息源标签进行图像信息的区域信息擦除和混合，产生新的图像样本。通过上述的方式，本发明能够显著降低深度学习在实际应用过程中对数据集数量的需求，在不改变图像背景以及目标位置分布的情况下抑制现实数据集中广泛存在的长尾效应，提升数据集各个类别的多样性，极大的减少深度学习落地应用的开发成本。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.015 seconds)
