-
公开(公告)号：CN112307984B
公开(公告)日：2023-02-17
申请号：CN202011204292.2
申请日：2020-11-02
申请人： 安徽工业大学
摘要： 本发明提供基于神经网络的安全帽检测方法，建立第一神经网络，所述第一神经网络的基础网络为YOLOv3网络，利用第一神经网络对目标图片中的安全帽进行检测；YOLOv3网络中的骨干网络模块中增加了可变卷积处理和双注意力机制处理，并且利用上采样拼接的方式对部分特征图的尺寸进一步变小。通过本发明的方法，能够更加准确地检测出安全帽。
-
公开(公告)号：CN117745541A
公开(公告)日：2024-03-22
申请号：CN202311724035.5
申请日：2023-12-14
申请人： 安徽工业大学
IPC分类号： G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/08 , G06T7/11 , G06T5/50
摘要： 本发明公开了一种基于轻量级混合注意力网络的图像超分辨率重建方法，属于计算机视觉和图像处理技术领域。本发明包括：1、获取原始高分辨率图像，对高分辨率图像进行下采样，得到对应的低分辨率图像，组成训练数据集；2、对训练数据集进行数据扩张；3、构建轻量级混合注意力网络，该网络包括浅层特征提取网络、N个轻量级混合注意力块和上采样模块；4、训练轻量级混合注意力网络；5、将需要超分的图片输入到超分辨率重建网络模型中，得到对应的高分辨率图像。本发明能够全面捕捉图像中不同尺度的细节和结构信息，同时能够有效地考虑更广泛的上下文信息，而且减少了计算量。
-
公开(公告)号：CN113035038A
公开(公告)日：2021-06-25
申请号：CN202110331472.5
申请日：2021-03-29
申请人： 安徽工业大学
摘要： 本发明公开了一种虚拟骨科手术练习系统及模拟训练方法，属于医疗技术领域。本发明的手术练习系统包括用于重构骨骼模型的骨骼三维模型重建模块、显示系统及操作界面的显示模块、用于手术训练的实际演练模块；用于教学人员对手术整个演练过程进行评分的评估模块。本发明的训练方法采用上述系统进行模拟训练，其以虚拟现实技术为依托，并通过对手术训练系统进行优化，创建更加逼真的手术环境及骨骼骨干重建模型，提高了模型重建的准确度，用于手术教学或训练时，能够更好地模拟出真实的训练过程，从而显著提高受训者的手术熟练度，强化了实习医生手术过程的步骤记忆。
-
公开(公告)号：CN111310864A
公开(公告)日：2020-06-19
申请号：CN202010233897.8
申请日：2020-03-30
申请人： 安徽工业大学
IPC分类号： G06K9/62
摘要： 本发明公开了一种基于分组稀疏的多核学习图像分类方法，属于图像模式识别技术领域。本发明主要解决图像分类时的异构特征选择问题。主要步骤包括：(1)挑选图像样本，并按比例分成训练样本和测试样本；(2)分别提取每幅图像的形状、SIFT和Gabor等异构特征；(3)利用分组稀疏多核学习分类算法训练分类器，然后以测试样本测试分类功率；(4)采用多重交叉实验来验证算法的平均性能。本发明在处理异构特征选择问题时，利用MKL进行特征选择时依然实施稀疏约束，但针对每一个特征，允许选择多个不同的基核函数，从而形成组间稀疏而组内非稀疏的效果，使得MKL在处理异构特征选择问题时，能有效提高分类整体性能。
-
公开(公告)号：CN117994136A
公开(公告)日：2024-05-07
申请号：CN202410286235.5
申请日：2024-03-13
申请人： 安徽工业大学
IPC分类号： G06T3/4076 , G06T11/60
摘要： 本发明属于图像处理技术领域，具体涉及一种基于文本引导的图像超分辨方法，包括如下步骤：S1、利用已有的数据集，制作高分辨率与低分辨率图像数据集；S2、构建基于文本提示的神经网络模型，用于模型训练；S3、依据步骤S1制作的数据集对步骤S2构建的网络进行训练和测试，保存网络参数；S4、将一张低分辨率图片和其对应的文本信息作为网络的输入，利用步骤S2学习得到的参数重建一张高分辨率的图像作为输出。本发明考虑到现实场景超分的复杂场景，使用文本信息来对网络进行指导，通过文本信息与低清图片信息之间的互补，指导低清图片生成更多的信息，使得在低清图像特别模糊的情况下仍然能够恢复出较好的细节信息。
-
公开(公告)号：CN111401435B
公开(公告)日：2023-04-07
申请号：CN202010173918.1
申请日：2020-03-13
申请人： 安徽工业大学
IPC分类号： G06F18/2415 , G06F18/10 , G06F18/213 , A61B5/00 , A61B5/11 , G06F123/00
摘要： 本发明公开了一种基于运动手环的人体运动模式识别方法，属于智能穿戴设备技术领域。本发明的人体运动模式识别方法通过采集人体数据、对数据进行样本处理、进行滤波处理、提取特征、选择特征等步骤进行人体运动模式的识别。本发明仅计算一段时间内每个窗口的加速度数据的均值、方差等特征，并使用简单的决策树分类模型进行识别，时间复杂度较低，算法简单，识别速度较快。同时提取并选择出了最有利于分类的特征，然后使用基于概率统计的决策树模型进行分类，保证了较高的识别准确率。本发明在获取实验样本过程中，选取窗口重合百分之五十，保证了人体运动动作的连贯性，确保实验结果的准确。
-
公开(公告)号：CN114819310A
公开(公告)日：2022-07-29
申请号：CN202210394568.0
申请日：2022-04-14
申请人： 安徽工业大学
摘要： 本发明公开了基于最小生成树的建筑物集群火灾蔓延预测方法及系统，属于火灾预测技术领域，包括以下步骤：S1：建立目标建筑物集群的火灾本底数据库，结合实时天气数据搭建火灾模拟蔓延场所以及蔓延预测模型；S2：在建立的火灾模拟蔓延场所中选择一点作为火源点，以该火源点为树根，限制预测时间，根据从一点到另一点燃烧所需的时间以及另一点从未燃状态到点燃状态的最大温度差作为权重，进而产生最小生成树的集合,从而得到火灾蔓延边界，反映火灾蔓延的动态变化。本发明克服了传统火灾蔓延预测算法的复杂度随着蔓延时间和火场边界线的增加呈现倍数增长的问题，提高了建筑物集群火灾蔓延预测的快速性与准确性。
-
公开(公告)号：CN112307984A
公开(公告)日：2021-02-02
申请号：CN202011204292.2
申请日：2020-11-02
申请人： 安徽工业大学
摘要： 本发明提供基于神经网络的安全帽检测方法，建立第一神经网络，所述第一神经网络的基础网络为YOLOv3网络，利用第一神经网络对目标图片中的安全帽进行检测；YOLOv3网络中的骨干网络模块中增加了可变卷积处理和双注意力机制处理，并且利用上采样拼接的方式对部分特征图的尺寸进一步变小。通过本发明的方法，能够更加准确地检测出安全帽。
-
公开(公告)号：CN114545945B
公开(公告)日：2024-09-13
申请号：CN202210173536.8
申请日：2022-02-24
申请人： 安徽工业大学
IPC分类号： G05D1/43 , G05D109/10
摘要： 本发明公开了基于机器人的室内被困人员搜救引导疏散系统及方法，属于虚拟仿真技术领域。本发明通过设置机器人个数及初始位置来感知环境，对灾情中室内被困人员进行智能搜救，并采集现场实时三维图像数据，做出决策分析，将周围环境信息及时传输给现场施救人员。本发明的疏散方法采用机器人进行模拟训练，以虚拟现实技术为依托，并通过改进的路径规划算法对疏散路径进行优化，创建更加逼真的疏散环境及人物重建模型，提高了疏散效率，能够更好地模拟出真实的疏散过程，从而为有效减少人员疏散中的伤亡和最佳救援方案的制定提供了参考，具有一定的现实指导意义，值得被推广使用。
-
公开(公告)号：CN114897789B
公开(公告)日：2024-06-11
申请号：CN202210394557.2
申请日：2022-04-14
申请人： 安徽工业大学
IPC分类号： G06T7/00
摘要： 本发明公开了一种基于图像分割的烧结矿粒度检测方法及系统，属于图像处理技术领域，包括以下步骤：通过图像采集装置采集烧结矿的图像；2)对烧结矿图像进行预处理；3)利用传统图像分割算法分割烧结矿图像；4)利用传统分割得到的分割图像作为部分标签数据，通过改进的UNet网络对烧结矿图像进行语义分割；5)对得到的分割图像进行烧结矿粒度检测。本发明以图像分割技术为根本，结合传统的图像分割算法和运用卷积神经网络的语义分割算法，更加准确的对烧结矿图像进行分割，使烧结矿粒度检测的准确率得到提升。
-
-
-
-
-
-
-
-
-
搜索结果
22 条记录 (耗时 0.022 秒)
