-
公开(公告)号：CN118735901A
公开(公告)日：2024-10-01
申请号：CN202410955963.0
申请日：2024-07-17
Applicant: 杭州电子科技大学
IPC: G06T7/00 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的钢铁表面缺陷检测方法，该方法首先获取带钢表面缺陷数据集，并进行预处理。其次构建深度特征提取网络，进行特征提取，得到深度特征，并构建级联特征融合模块，进行深度特征的融合。然后基于深度特征提取网络相应阶段的输出特征，通过卷积注意力模块，进行特征的注意力增强，获得重标定的特征。最后基于重标定的特征和融合后的深度特征，进行边缘引导和显著目标融合，输出检测结果。本发明在处理复杂的缺陷场景时，能够准确进行缺陷检测。
-
公开(公告)号：CN118447312A
公开(公告)日：2024-08-06
申请号：CN202410557855.8
申请日：2024-05-08
Applicant: 杭州电子科技大学 , 浙江伽奈维医疗科技有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于交互式融合与匹配的三模态少样本目标检测方法，该方法首先对多模态少样本目标检测数据集进行预处理。其次采用U型网络架构，由权重共享的编码器、特征融合与匹配FC模块、多模态特征匹配MC模块和三层渐进式解码器，构建三模态少样本目标检测网络。最后采用二元交叉熵损失函数，以及深度监督的方式，计算损失并对三模态少样本目标检测网络进行训练。本发明有效提升泛化性能，并降低对数据标注的依赖，预测结果与实际物体边界更为一致。
-
公开(公告)号：CN118196388A
公开(公告)日：2024-06-14
申请号：CN202410359770.9
申请日：2024-03-27
Applicant: 杭州电子科技大学丽水研究院
IPC: G06V10/25 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06V20/10 , G06N3/0455 , G06N3/0495 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种基于卷积的轻量级遥感图像显著目标检测方法，通过使用经过轻量化修改后的卷积神经网络，降低参数和计算复杂度，提高网络的推理速度；通过使用增强模块分别在空间和通道维度上对编码器特征进行增强，使其包含更准确信息；通过解码器模块逐步融合增强后特征，恢复特征图尺度，得到最终预测图。本发明模型拥有更小的参数量和计算复杂度，降低了对计算资源的需求，加快了推理速度，可以满足在边缘设备上进行实时运行的需求，生成的遥感图像显著性预测图更加准确。
-
公开(公告)号：CN117975309A
公开(公告)日：2024-05-03
申请号：CN202410228082.9
申请日：2024-02-29
Applicant: 杭州电子科技大学丽水研究院
IPC: G06V20/17 , G06V20/13 , G06V10/80 , G06V10/764
Abstract: 本发明公开了一种基于特征动态偏移的图像语义信息挖掘方法。首先获取网络训练需要的图像数据集；然后构建基于权重自适应的对角线特征偏移融合策略的交叉视角地理定位网络模型；网络模型包含无人机视角分支和卫星图视角分支，两个分支采用共享权重的学习方式；每个分支都由三个部分组成：特征提取部分、特征划分部分和分类监督部分；经过训练的神经网络模型接收需要定位的无人机视角图像，为其匹配对应的卫星图像。本发明采用权重自适应的对角线特征偏移融合策略，能够根据图像中的目标区域自适应选择划分坐标更合理的环形分区策略，从而提高了特征区域的覆盖率和表达能力，避免了因目标区域不在视觉中心位置而导致的特征提取不足问题。
-
公开(公告)号：CN117853450A
公开(公告)日：2024-04-09
申请号：CN202410032868.3
申请日：2024-01-10
Applicant: 杭州电子科技大学
IPC: G06T7/00 , G06V10/52 , G06N3/0464 , G06N3/0455 , G06N3/0495 , G06N3/08 , G06N5/04
Abstract: 本发明公开了一种基于视觉显著性的轻量化带钢表面缺陷检测方法，该方法首先进行尺度统一和数据扩增的数据预处理。其次构建基于视觉显著性的轻量化带钢表面缺陷检测模型，该缺陷检测模型包括编码器模块、多尺度卷积模块、解码器模块、预测头和可结构重参数的线性分支。最后训练构建好的轻量化带钢表面缺陷检测模型，进行测试，输出缺陷检测结果。本发明在不降低检测精度的前提下，显著降低的模型大小和远超的检测速度。
-
Patent Agency Ranking
公开(公告)号：CN113516678B
公开(公告)日：2024-04-05
申请号：CN202110348257.6
申请日：2021-03-31
Applicant: 杭州电子科技大学
IPC: G06T7/155 , G06V10/764
Abstract: 本发明公开了一种基于多任务的眼底图像检测方法。采用DRIVE眼底公开数据集，将数据集分为训练集和测试集，并对数据进行有疾病和没有疾病的人工标记操作；对训练集和测试集进行数据增强操作；将数据增强后的训练集输入到多任务UNet网络中训练网络参数，得到眼底图像识别模型；通过经过数据增强的测试集进行测试，根据识别结果对模型进行微调。本发明方法更加具有普适性，本发明采用的对图像进行多任务计算并且在下采样添加额外操作对眼底疾病进行二分类任务，此外在跳跃链接中添加通道注意力机制使得网络对于通道信息更加敏感，保证图像分割质量。
-
公开(公告)号：CN113538338B
公开(公告)日：2024-04-02
申请号：CN202110672308.0
申请日：2021-06-17
Applicant: 杭州电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于限制性预测滤波的图像散景渲染方法及系统，首先准备数据集并对数据进行预处理；构建基于限制性预测滤波的图像散景渲染网络；图像散景渲染网络包括限制性预测滤波模块和显著性检测模块，其中显著性检测模块用于检测输入全聚焦图片中的显著性特征，限制性预测滤波模块用于保留显著性检测模块检测到的显著性特征，并对输入图片的其他部分进行限制性滤波操作，模糊图片内容从而产生散景渲染效果；通过数据集训练图像散景渲染网络模型。本发明方法使用三种参数类型的限制性预测滤波核对图片进行自适应滤波，从而实现散景渲染处理，创新的提出了一种限制性预测滤波模块用于实现图像的散景渲染处理。
-
公开(公告)号：CN113538231B
公开(公告)日：2024-04-02
申请号：CN202110672302.3
申请日：2021-06-17
Applicant: 杭州电子科技大学
IPC: G06T3/4076 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于像素分布估计的单张图像超分辨重建系统及方法，首先进行数据预处理获得高分辨率图片IHR和低分辨率图片ILR；然后构建并训练基于像素分布估计的图像超分辨重建网络，包括权重提取模块和像素分布估计模块；权重提取模块用于从输入的低分辨率图片ILR中计算出像素分布估计模块所需要的权重，而像素分布估计模块根据预先设定的倍数s对输入图片像素的邻域像素相对坐标进行像素估计，实现图像的超分辨重建过程。本发明方法从像素分布估计的角度解释并实现了图像超分辨重建，模型结构简单，权重学习模块结构用卷积层就可以很好的学习，运算成本低，且效果好。
-
公开(公告)号：CN117333456A
公开(公告)日：2024-01-02
申请号：CN202311299639.X
申请日：2023-10-09
Applicant: 杭州电子科技大学
IPC: G06T7/00 , G06T7/73 , G06V10/25 , G06V10/46 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于显著目标检测的条带钢缺陷预测方法，包括如下步骤：S1、通过由5层编码器层组成的编码器提取图片中的5层特征，分别记为h1、h2、h3、h4、h5；S2、用桥接层连接编码器，通过桥接层输出hbg；S3、使用解码器模块进行解码，所述解码器模块包括解码器、5层FEE Module，所述解码器由5层解码器层组成，所述编码器的输出h5输入相应的第5层FEE Module中，所述h4与解码器第5层的输出以及hbg送入上层FEE Module中，上层FEE Module输出作为上层解码器的输入；S4、由最上层的解码器层的输出，经过一个1*1的卷积，将通道输出成1，即为最后的输出结果。该方法基于显著目标检测的方法能够自动识别和定位潜在的缺陷区域，减少了人工操作的需求。
-
公开(公告)号：CN117097997A
公开(公告)日：2023-11-21
申请号：CN202311052724.6
申请日：2023-08-21
Applicant: 杭州电子科技大学
Inventor： 颜成钢 , 曾龙健 , 吴旭 , 金颖杰 , 江涛 , 孙垚棋 , 朱尊杰 , 高宇涵 , 王鸿奎 , 赵治栋 , 殷海兵 , 王帅 , 张继勇 , 李宗鹏 , 丁贵广 , 付莹 , 郭雨晨 , 赵思成
Abstract: 本发明公开了一种反向图像信号处理的噪声图像合成方法，首先构建噪声形成模型；然后估计噪声参数。记录两个原始图像序列即平场帧和偏置帧来估计由模拟和数字增益组成的整体系统增益K和噪声源；为了噪声形成模型能模拟多种ISO设置下的真实情况，对联合参数分布进行建模，以便以耦合的方式对噪声参数进行采样；最后完成噪声图像合成。本发明能够合成真实的噪声原始数据，更好地匹配噪声形成的潜在物理过程。本发明极大地提升了合成数据集地真实性；噪声参数校准方法可以校准多种相机的噪声参数，使合成数据集能模拟不同相机拍摄的真实图片，使通过该数据集训练的模型能具有很好的泛化性。
-
-
-
-
-
-
-
-
-
Search Results
477
records
(took 0.033 seconds)
