-
公开(公告)号：CN110243289B
公开(公告)日：2024-11-19
申请号：CN201811606986.1
申请日：2018-12-27
Applicant: 桂林电子科技大学
Abstract: 本发明提出一种实时云纹干涉图高速相位提取系统，包括相位测量系统和控制模块，所述测量系统包括激光器、分光耦合器、相移器、隔振平台、底座、平移台、多维调节加载架、试件放置台、云纹干涉光路结构、可调节支杆、图像采集模块；所述控制模块与图像采集模块电连接；激光器、分光耦合器、相移器、底座设置于所述隔振平台上，平移台设置于底座上，多维调节加载架设置于平移台上，试件放置台设置于多维调节加载架上，激光器通过分光耦合器与云纹干涉光路结构连接，云纹干涉光路结构设置于试件放置台的上方空间；移相器与试件放置台连接；激光器发出的光经过云纹干涉光路结构后照射到待测试件表面，由待测试件反射至图像采集模块中。
-
公开(公告)号：CN118710875A
公开(公告)日：2024-09-27
申请号：CN202410749414.8
申请日：2024-06-12
Applicant: 桂林电子科技大学
IPC: G06V10/25 , G06V10/82 , G06V10/80 , G06V10/44 , G06V10/771 , G06V10/774 , G06N3/045 , G06N3/0464 , G06N3/0495
Abstract: 本发明公开了一种基于YOLOv8n的轻量化低照度无人机目标检测方法。具体来说，由于低照度无人机数据集的数量极少，同时还拍摄了低照度下条件下飞行的无人机图像并进行标注，构建一个全新数据集。在YOLOv8n的基础上，替换YOLOv8n的主干网络为FasterNet，并且在SPPF特征融合的部分加入LSKA注意力机制，提高检测精度，同时为了继续减少模型参数量，兼具目标检测的精度和速度，我们在YOLOv8n目标检测网络的基础上，将FasterNet中的FasterBlock替换YOLOv8n的C2f中Bottleneck模块。最后用自主构建的数据集评估所提网络的性能，实验结果表明，该方法在实际应用中在GFLOPS降低的同时可以达到了较好的低照度小目标检测效果。
-
公开(公告)号：CN113822153B
公开(公告)日：2024-09-06
申请号：CN202110918288.0
申请日：2021-08-11
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于改进DeepSORT算法的无人机跟踪方法，通过融入通道注意力模块和Mish激活函数的ResNet50‑vd结构作为主干网络对无人机视频流进行特征提取，在此过程中，所述通道注意力模块使得网络关注输入的重要信息，排除其他信息干扰；此外还使用Mish激活函数替代ReLU函数，改善了训练过程中负梯度的信息流动，另外采用特征金字塔增加网络对小目标无人机的感知能力；在跟踪阶段，通过在DeepSORT算法的基础上对级联匹配过程中的外观描述部分进行改进，采用ResNet50替代原有的网络架构，并引入损失函数MarginLoss，改善了跟踪效果，解决了现有技术中因检测精度和跟踪速度无法较好地平衡而导致的ID跳变、跟踪“丢帧”问题。
-
公开(公告)号：CN118570449A
公开(公告)日：2024-08-30
申请号：CN202410712025.8
申请日：2024-06-04
Applicant: 桂林电子科技大学
IPC: G06V10/25 , G06V10/82 , G06V20/40 , G06V10/774 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于改进的YOLOv8n有雾环境无人机目标检测方法，建立了一种高效、准确的雾天无人机检测方法。具体来说，YOLOv8n中引入全局上下文模块GCNet，增强网络对图像中长距离依赖关系的理解，提升雾天条件下的无人机小目标检测精度。通过在雾气天气条件下捕捉并标注无人机图像，并且对正常天气条件下的无人机图像进行雾气合成，构建了名为GUET‑UAV‑FOG的数据集，用以评估所提网络的性能。实验结果表明，该方法在实际应用中达到了较好的去雾目标检测效果。
-
公开(公告)号：CN118570448A
公开(公告)日：2024-08-30
申请号：CN202410712017.3
申请日：2024-06-04
Applicant: 桂林电子科技大学
IPC: G06V10/25 , G06V20/40 , G06V10/774 , G06V10/20 , G06V10/82 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于AO‑YOLOv8的雾天无人机检测系统。具体来说，针对去雾模块AOD‑Net提出一种改进的K估计模块，以有效去除雾气并突出无人机目标特征。同时结合目标检测算法YOLOv8，将去雾和目标检测相结合以提升无人机小目标的检测精度。为了优化性能和资源使用效率，去雾模块和目标检测模块被设计为端到端联合推理。通过在雾气天气条件下捕捉并标注无人机图像，并且对正常天气条件下的无人机图像进行雾气合成，构建了名为GUET‑UAV‑FOG的数据集，用以评估所提网络的性能。实验结果表明，该方法在实际应用中达到了较好的去雾目标检测效果。
-
Patent Agency Ranking
公开(公告)号：CN118466145A
公开(公告)日：2024-08-09
申请号：CN202410712078.X
申请日：2024-06-04
Applicant: 桂林电子科技大学
Abstract: 本发明涉及数字全息显微技术领域，具体涉及一种针对大型数字全息图的快速自动聚焦方法，将再现像振幅作为原始矩阵输入后，使用随机投影降维的方法对原振幅进行降维并保留原振幅的特征；将降维后的再现像振幅进行SVD分解获取特征值，并抛弃部分主要成分的奇异值以降低背景干涉条纹干扰后，计算其余奇异值的L1范数可以作为评价函数，来评价再现像的清晰度；有了评价函数后使用评价函数遍历每个位置上的再现像，可以得到评价曲线，根据评价曲线的峰值可以获取最清晰的再现像所在的位置，而达到自动聚焦的要求。经验证，本发明自动获取数字全息图焦平面的方法，有效减少自动聚焦的时间成本、提高了数字全息自动聚焦的效率。
-
公开(公告)号：CN117689976A
公开(公告)日：2024-03-12
申请号：CN202311545114.X
申请日：2023-11-20
Applicant: 桂林电子科技大学
IPC: G06V10/774 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06N3/045 , G06V10/25 , G06N3/08
Abstract: 本发明涉及图像增强技术领域，具体涉及一种基于GAN的多运动目标数据集增强方法，通过采集无人机与鸟类在同一空域下同时出现的图像数据，并对图像进行筛选和标注，构建多运动目标数据集；使用基础GAN的改进型网络，即添加了CNN网络的DCGAN作为合成图像的模型网络，DCGAN模型网络通过利用CNN网络来增强模型提取图像特征的能力，提高了模型生成图像的保真度同时更加稳定；最后使用DeblurGAN‑v2网络对生成的图像进行进一步去噪处理，解决了生成图像的模糊问题，从而最终增强图像以达到可以扩充现有的数据集以进行目标检测的标准。
-
公开(公告)号：CN117636191A
公开(公告)日：2024-03-01
申请号：CN202311680516.0
申请日：2023-12-07
Applicant: 桂林电子科技大学
Abstract: 本发明涉及目标检测技术领域，具体涉及一种基于背景减除法与改进YOLOv5的无人机检测方法，首先使用相机获取无人机的实时视频并将之分解为连续的图像帧数据；通过使用背景减除算法对所述的连续图像帧进行处理，获取前景图像；同时在YOLOv5网络的Backbone部分添加SE注意力机制，获取改进YOLOv5网络然后将所述前景图像输入训练后的YOLOv5网络，获取无人机目标的边界框与置信度；最后通过置信度判断边界框内是否为无人机。本发明利用背景减除法减少了无人机检测中的背景噪声干扰，并且利用SE注意力机制增强了重要特征以及抑制非重要特征。经验证，本发明增加了无人机目标检测能力，有效减少无人机检测的误检、漏检的概率。
-
公开(公告)号：CN117232434A
公开(公告)日：2023-12-15
申请号：CN202311138689.X
申请日：2023-09-05
Applicant: 桂林电子科技大学
IPC: G01B11/25 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及三维重建技术领域，具体涉及一种基于深度学习的光栅投影三维测量系统的相位展开方法，首先生成基于peaks函数的低信噪比、表面起伏落差大并且不连续的物体表面数据集，数据集包含了模拟的扭曲的带有高斯噪声和背景噪声的光栅条纹、将扭曲的光栅条纹经过四步相移法生成的包裹相位和计算得到的k级图真值。包裹相位图送入相位展开网络，即改进后的HRNet获得预测的条纹级次图，最后代入到相位展开公式，得到绝对相位图。其中的相位展开网络输入为数据集中的的包裹相位图，输出为网络预测的条纹级次图，实现了单频单帧包裹相位展开。解决了现有HRNet对于低信噪比、表面起伏落差大或者不连续的物体表面展开错误的问题。
-
公开(公告)号：CN116797668A
公开(公告)日：2023-09-22
申请号：CN202310811528.6
申请日：2023-07-04
Applicant: 桂林电子科技大学
IPC: G06T7/80 , G06T7/593 , G06N3/006 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及三维重建技术领域，具体涉及一种基于灰狼优化算法的RBF神经网络的投影仪标定方法，通过拍摄15组不同姿态的投影重叠标定棋盘格图像和标定棋盘格图像；对投影重叠标定棋盘格和标定棋盘格进行角点检测，获得摄像机坐标；摄像机坐标通过单应性矩阵计算得到对应的投影仪坐标；训练GWO‑RBF补偿投影仪计算坐标误差，输出精确的投影仪坐标；利用训练好的GWO‑RBF，得到标定棋盘格角点的精确投影仪坐标，从而实现投影仪标定。经灰狼优化的RBF神经网络能够对坐标误差补偿，提高坐标的精确度，提高投影仪标定的精度，同时因为神经网络的普适性，极大降低投影仪标定难度，改进了现有的神经网络投影仪标定方法的不足。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.029 seconds)
