公开(公告)号：CN118097122A

公开(公告)日：2024-05-28

申请号：CN202410494809.8

申请日：2024-04-24

Applicant: 中南大学

Inventor： 侯斐斐 ,  方孟奇 ,  王艳辉 ,  董健 ,  崔广炎

IPC: G06V10/25 ,  G06N3/0475 ,  G06N3/088 ,  G06N3/094 ,  G06V10/22 ,  G06V10/762 ,  G06V10/82

Abstract: 本发明提供一种地下目标图像的识别方法、装置、电子设备及存储介质，该地下目标图像的识别方法包括：根据地下目标图像识别请求，获取目标GPR图像；对目标GPR图像采用GPR图像识别模型进行检测，得到地下目标识别结果；其中GPR图像识别模型采用基于CycleGAN的无监督网络，基于CycleGAN损失、L1损失和MS‑SSIM损失结合，以及，使用多特征聚类分析方法优化训练得到。本发明的有益效果为：提高了图像中目标检索效率及定位精度，且降低了虚警率。

公开(公告)号：CN118015010A

公开(公告)日：2024-05-10

申请号：CN202410425736.7

申请日：2024-04-10

Applicant: 中南大学

Inventor： 侯斐斐 ,  银雪 ,  王一军 ,  刘彦 ,  龚凯

IPC: G06T7/10 ,  G06N3/0464 ,  G06T7/11 ,  G06V10/26 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明提供一种GPR实例分割方法、装置、电子设备及存储介质，该GPR实例分割方法包括：对目标GPR图像采用GPR图像分割模型进行处理，得到目标GPR图像的识别结果；GPR图像分割模型基于改进MS R‑CNN网络训练得到。本发明的有益效果为：通过改进的MS R‑CNN的骨干网络、颈部结构的方式进行的GPR实例分割处理，能够有效地提取特征和融合多尺度信息，适应多种地下环境；对改进MS R‑CNN网络极少概率出现的识别错误的目标，提将基于深度的灰度选择和形态学运算相结合的区域自适应阈值分割方法，去除对衍射目标的错判；提高了对地下目标分割的准确率和效率，降低了对地下设施监控的成本。

公开(公告)号：CN117830340A

公开(公告)日：2024-04-05

申请号：CN202410017401.1

申请日：2024-01-04

Applicant: 中南大学

Inventor： 侯斐斐 ,  乔博轩 ,  王一军 ,  樊欣宇 ,  龚凯

IPC: G06T7/194 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明属于图像分割领域，具体涉及一种探地雷达目标特征分割方法、系统、设备及存储介质，其方法包括：获取训练图像以及对应的标签图像；基于所述训练图像以及所述标签图像，得到成对训练图像；获取分割模型；将所述成对训练图像输入所述分割模型中，得到输出图像；基于所述输出图像、标签图像以及所述分割模型，得到损失值；基于所述损失值以及损失条件调整所述分割模型的模型参数，得到优化分割模型；基于所述优化分割模型以及输入图像，得到目标特征。本申请通过优化分割模型，能够使提取出的目标特征图像质量更高的效果。

公开(公告)号：CN117706514A

公开(公告)日：2024-03-15

申请号：CN202410155231.3

申请日：2024-02-04

Applicant: 中南大学

Inventor： 侯斐斐 ,  王浩冉 ,  王一军 ,  樊欣宇 ,  刘彦

IPC: G01S7/41 ,  G01S13/88 ,  G01S13/89 ,  G01S7/16 ,  G01S7/292 ,  G01S7/35 ,  G06V10/30 ,  G06N3/0475 ,  G06N3/094 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明属于图像处理领域，具体涉及一种基于生成对抗网络的杂波消除方法、系统及设备，其方法包括：获取模拟无杂波图像、实测背景图像以及模拟有噪B扫描图像；基于模拟无杂波图像以及第三代风格生成对抗网络，得到合成无噪B扫描图像；基于合成无噪B扫描图像以及实测背景图像，得到合成有噪B扫描图像；基于模拟无杂波图像、合成有噪B扫描图像、模拟有噪B扫描图像以及合成无噪B扫描图像，得到成对训练数据集；获取去噪模型；基于成对训练数据集以及去噪模型，得到图像损失；基于图像损失调整去噪模型，得到优化训练模型；基于优化训练模型以及输入图像，得到无杂波图像。本申请具有扩大训练数据集以及提高图像处理质量的效果。

公开(公告)号：CN115169462A

公开(公告)日：2022-10-11

申请号：CN202210803810.5

申请日：2022-07-07

Applicant: 中南大学

Inventor： 侯斐斐 ,  樊欣宇 ,  王一军 ,  张航 ,  郭迎

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于GPR数据的道路空洞形态分类方法，包括进行道路空洞三维建模仿真并获取三维GPR数据；GPR形态信息的提取和联合表征；构建基于关系网络的空洞形态分类初始模型并训练得到空洞形态分类模型；采用空洞形态分类模型进行实际道路的道路空洞形态分类。本发明深入挖掘空洞形态与GPR检测数据之间的内在联系和成像规律，探讨空洞形态解译机制，采用关系网络作为少样本学习网络的主要架构，并对关系网络进行改进；本发明方法能够在较少的数据支撑的的前提下，实现道路空洞形态的精准分类，可靠性高，精确性好。

公开(公告)号：CN114529880A

公开(公告)日：2022-05-24

申请号：CN202011239369.X

申请日：2020-11-09

Applicant: 中南大学

Inventor： 雷文太 ,  许孟迪 ,  侯斐斐

IPC: G06V20/58 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06T7/73 ,  G06V10/774 ,  G06V10/82 ,  G06V20/56

Abstract: 本发明公开了一种城市轨道异物侵限检测方法、装置、系统及存储介质，其中方法包括：实时获取待检测轨道图像；将待检测轨道图像输入预先训练好的异物/轨道检测模型中，得到轨道轮廓和异物位置框；基于异物位置框和轨道轮廓生成限界截面；判定异物位置框是否有顶点在限界截面内，若至少有一个顶点在界限截面内，则发生了异物侵限。采用基于深度学习的异物/轨道检测模型来进行轨道和异物的识别，能够保证优良的特征提取能力和良好的特征表达能力，识别性能强，效率高；基于轨道轮廓和异物位置框进行侵限判定，能更好的避免侵限误判。因此能够保证检测效率及检测精度，实现全路段实时检测。