-
公开(公告)号：CN116273918B
公开(公告)日：2023-08-01
申请号：CN202310593957.0
申请日：2023-05-25
Applicant: 长春理工大学
Abstract: 发明提供一种多角度图像识别的包裹分拣装置，其属于包裹分拣领域。包括多个第一图像识别摄像头采集不同角度的待分拣包裹的图像数据，下件组件将未识别的待分拣包裹转移至包裹收集框内，调整机械手夹持待分拣包裹自转，并通过第二图像识别摄像头采集调整机械手夹持的待分拣包裹的图像数据，分拣下件单元将不同的待分拣包裹分拣至不同的分拣通道。当遇到不规则的包裹时，先通过第一图像识别摄像头进行识别，若无法进行识别时，可以通过下件组件将其送至包裹收集框内，并通过调整机械手带动该包裹自转，通过第二图像识别摄像头可以实现对其的全方位的图像数据采集，从而实现对不规则包裹的分拣。
-
公开(公告)号：CN116273918A
公开(公告)日：2023-06-23
申请号：CN202310593957.0
申请日：2023-05-25
Applicant: 长春理工大学
Abstract: 发明提供一种多角度图像识别的包裹分拣装置，其属于包裹分拣领域。包括多个第一图像识别摄像头采集不同角度的待分拣包裹的图像数据，下件组件将未识别的待分拣包裹转移至包裹收集框内，调整机械手夹持待分拣包裹自转，并通过第二图像识别摄像头采集调整机械手夹持的待分拣包裹的图像数据，分拣下件单元将不同的待分拣包裹分拣至不同的分拣通道。当遇到不规则的包裹时，先通过第一图像识别摄像头进行识别，若无法进行识别时，可以通过下件组件将其送至包裹收集框内，并通过调整机械手带动该包裹自转，通过第二图像识别摄像头可以实现对其的全方位的图像数据采集，从而实现对不规则包裹的分拣。
-
公开(公告)号：CN116039942B
公开(公告)日：2023-06-09
申请号：CN202310206378.6
申请日：2023-03-07
Applicant: 长春理工大学
Abstract: 本发明公开了一种舰载机飞行姿态合规性评估系统及其成像方法。通过可伸缩支架和BRDF转盘首先模拟调整舰载机的方位角以及舰载机和舰船之间的倾斜角度，其次通过多层海雾环境模拟系统模拟恶劣条件下舰载机和舰船之间的海雾环境，然后通过舰载机偏振发射端和舰船偏振接收端采集偏振图像以及对光信号进行分析，最后将得到的偏振图像进行图像优化处理，以此将得到光信号的数据和处理后的图像通过可视化界面输送给舰船上的相关工作人员，来观察舰载机具体飞行姿态是否符合着舰要求，对舰载机具体飞行姿态进行合规性评估。本发明用以解决现有技术中使用ASIST全自动助降装置在恶劣条件下判定舰载机飞行姿态是否符合着舰要求困难的问题。
-
公开(公告)号：CN115564801A
公开(公告)日：2023-01-03
申请号：CN202211263801.8
申请日：2022-10-14
Applicant: 长春理工大学
IPC: G06T7/246 , G06V10/774 , G06V10/82 , G06V20/40 , G06V10/40 , G06V10/80 , G06V10/764 , G06V10/766 , G06V20/70 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于注意力的单目标跟踪方法，属于深度学习中的计算机视觉领域。包括数据预处理，模型的训练，将构造好的网络模型进行训练，在整个训练过程中通过降低网络的损失函数来优化网络的参数，从而获得基于注意力的单目标网络架构的网络权重；在新的视频序列中，使用通过训练而获得的网络权重，来测试跟踪目标的效果。优点是将主干网络输出的低层特征与高层特征结合，让最后的特征图在具有高级语义信息的同时补充一些细节信息；利用分类增强模块辅助分类分支，使其得到更加精准的目标定位信息，增加的设计可以让跟踪器在相似物干扰时，还能进行精准的跟踪，在众多复杂的场景中都可以精准稳定的跟踪目标。
-
公开(公告)号：CN116797789A
公开(公告)日：2023-09-22
申请号：CN202310698684.6
申请日：2023-06-13
Applicant: 长春理工大学
IPC: G06V10/26 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明属于计算机视觉技术领域，尤其为一种基于注意力架构的场景语义分割方法，该方法包括以下步骤：步骤一：数据预处理，为后续的网络模型训练提供数据准备；步骤二：模型的训练，将构造好的网络模型进行训练，在整个训练过程中利用混合损失监督网络模型参数的训练，通过不断地降低损失优化网络模型参数，从而获得基于注意力架构的场景语义分割方法的最佳网络权重；步骤三：模型的测试，通过输入外部传感器采集的新型图像数据，使用通过训练而获得的网络权重，来测试语义分割的效果。本发明为了增强像素的特征表示能力，利用双注意力模块分别在空间维度和通道维度建模上下文信息，提升模型整体的特征表达能力。
-
Patent Agency Ranking
公开(公告)号：CN116645667A
公开(公告)日：2023-08-25
申请号：CN202310659739.2
申请日：2023-06-05
Applicant: 长春理工大学
Abstract: 本发明涉及对抗性训练方法技术领域，具体为一种计算机视觉的语义分割对抗性训练方法，包括以下步骤，S1：pixel‑level预训练；S2：基于pixel‑level预训练流程，建立训练模型；S3：模型拓展交互训练。本发明中，在图像裁剪训练方面，其训练过程是基于现有模型进行进一步调优处理，训练过程所消耗单位时间较少，能够有效提升运算效率，且在迁移到下游的分割任务时，基于查询编码器和键编码器确保其泛化性，无需再次设置weight decay，在训练运算过程中，计算每个pixel与其他pixel的相似度，作为权重项，对变换后的X变量加权求和，获得Y变量，生成Y变量与X′变量的consistency约束，并在此基础上，进行模型拓展交互训练，进一步提升模型泛化性以及训练效果。
-
公开(公告)号：CN115797374A
公开(公告)日：2023-03-14
申请号：CN202310052860.9
申请日：2023-02-03
Applicant: 长春理工大学
Abstract: 本发明涉及图像数据处理技术领域，具体涉及一种基于图像处理的机场跑道提取方法。该方法包括：采集航拍灰度图像，分割生成分割区域，计算分割区域中像素点的梯度幅值与梯度方向，根据梯度幅值，确定分割区域的凌乱程度；根据分割区域中像素点的梯度方向、梯度幅值与凌乱程度确定第一主要边缘方向和第二主要边缘方向；计算像素点的梯度幅值分布差值，根据第二主要边缘方向、梯度幅值分布差值和梯度方向，确定分割区域的离散程度；根据凌乱程度和离散程度确定分割区域的自适应微分阶数，对分割区域进行图像增强处理得到增强区域，提取机场跑道区域。本方案能够在复杂的环境下实现机场跑道区域的自适应增强，提高机场跑道提取的准确性。
-
公开(公告)号：CN119762927A
公开(公告)日：2025-04-04
申请号：CN202510253049.6
申请日：2025-03-05
Applicant: 长春理工大学
Abstract: 本发明属于图像融合技术领域，公开了基于频谱注意力生成对抗网络的红外与可见光融合方法，包括以下步骤：对公开红外与可见光融合数据集进行数据清洗及预处理；构建基于频谱注意力生成对抗网络的红外与可见光融合模型，包括双分支特征提取子网络、融合子网络、鉴别器子网络；构建红外与可见光融合网络的总体损失；将处理好的数据送入基于频谱注意力生成对抗网络的红外与可见光融合模型进行模型训练；测试训练好的基于频谱注意力生成对抗网络的红外与可见光融合模型的性能，得到融合图像。本发明采用上述基于频谱注意力生成对抗网络的红外与可见光融合方法，能提高融合图像的视觉效果和融合算法的鲁棒性，提高模型的性能，更好地适应下游高级任务。
-
公开(公告)号：CN114821259B
公开(公告)日：2024-11-26
申请号：CN202210478942.5
申请日：2022-05-04
Applicant: 长春理工大学
IPC: G06V10/80 , G06N3/0464 , G06N3/08 , G06V10/46 , G06V10/56
Abstract: 本发明涉及一种基于孪生卷积神经网络的零学习医学图像融合方法，属于及医学图像处理技术领域。对源图像进行预处理生成输入源图像，得到各卷积层的初始显著特征图，进行上采样运算处理，对各层的显著特征图进行指数运算，以归一化源图像作为引导滤波器的引导图像，得到引导滤波器输出图像，利用各层的权重图，采用加权平均融合算法，得到各层的融合图像，采用像素取大算法，得到最后的融合图像。本发明自动实现多模态医学图像的显著特征提取，省时省力，能够更加全面、深层次地表达图像，实现多个抽象层次上图像语义的表征，有利于实现高精度低硬件复杂度的图像融合平台的搭建，提高了融合精度和效率。
-
公开(公告)号：CN118570611A
公开(公告)日：2024-08-30
申请号：CN202411040175.5
申请日：2024-07-31
Applicant: 长春理工大学
IPC: G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06V10/764
Abstract: 本发明提供了一种基于新型频域编码器的车辆目标检测方法，属于目标检测技术领域，包括以下步骤：S1、采集可见光数据；S2、将采集的可见光数据输入到骨干网络中进行特征提取；S3、将骨干网络输出的后四层特征输入至新型频域编码器中进行编码；S4、将新型频域编码器输出的特征输入解码器中进行解码；S5、将解码器输出的特征输入检测头实现定位任务和分类任务；S6、后处理。本发明采用上述的一种基于新型频域编码器的车辆目标检测方法，能大大减少计算量，提升模型的实时性，以适应更多种的应用场合。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.053 seconds)
