-
公开(公告)号：CN116703819A
公开(公告)日：2023-09-05
申请号：CN202310399454.X
申请日：2023-04-14
Applicant: 东南大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/096
Abstract: 本发明提供一种基于知识蒸馏的铁路货车钢地板破损检测方法，包括以下步骤：获取铁路货车钢地板区域图像，构建训练集；搭建钢地板破损检测教师网络和学生网络，并进行训练，利用教师网络对学生网络进行蒸馏，通过调整参数得到最终的故障检测模型；获取待检测图像，处理后输入所述故障检测模型，得到钢地板破损检测结果。以深度卷积神经网络和知识蒸馏为基础，采取了编码器与解码器的结构，通过渐进式多级知识蒸馏建立查询之间的预测匹配，以逐步向学生模型传递有用的知识。本发明准确率高、精度高的自动化检测方法，其解决了现阶段只能通过动态检车员肉眼识别图像判断故障带来的视觉疲劳造成误检漏检的问题。
-
公开(公告)号：CN116452947A
公开(公告)日：2023-07-18
申请号：CN202310366161.1
申请日：2023-04-07
Applicant: 东南大学
IPC: G06V10/82 , G06V10/774 , G06V10/776 , G06V10/764 , G06V10/80 , G06N3/0464 , G06N3/082
Abstract: 本发明提供一种基于多尺度融合和可变形卷积的跨域故障检测方法，解决火车故障图像跨域目标检测中相应的问题。包括如下步骤：准备正常场景下的火车故障数据集作为源域数据集和雾天场景下的火车故障数据集作为目标域数据集；设计一个域自适应特征金字塔，加入到RetinaNet目标检测网络中，来实现源域和目标域的特征对齐；在目标检测网络中的backbone加入可变形卷积模块来实现对形态差异大的故障的适应能力；在原有检测网络中的FPN加入ASFF模块，解决FPN网络中不同尺度学习目标不一致的问题；将RetinaNet网络的回归子网络损失函数改为CIOU loss，优化模型的损失。该基于多尺度融合和可变形卷积的跨域故障检测方法是解决目标检测模型在有雾场景下对火车故障检测结果较差的问题。
-
公开(公告)号：CN116385966A
公开(公告)日：2023-07-04
申请号：CN202310348084.7
申请日：2023-04-04
Applicant: 东南大学
IPC: G06V20/52 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/08
Abstract: 本发明提供一种基于注意力机制的图像故障细粒度识别方法，在细粒度识别网络NTS‑Net的基础上，使用一种软池化的双通道注意力网络，针对铁路数据集黑、灰、白的背景，经过两个通道，从两个维度获取更加有效的特征语义。为了避免特征信息在经过注意力网络的时候有所丢失，通过软池化的方式来避免池化过程中的信息损失，有助于后续环节。最后，通过更改网络损失函数，在不需要对故障图片进行数据增强的前提下，削弱故障样本和正常样本数量不平衡给结果带来的干扰。该识别方法采用的是弱监督方法，高效快捷，适用范围广，算力消耗低。
-
公开(公告)号：CN116486288A
公开(公告)日：2023-07-25
申请号：CN202310439540.9
申请日：2023-04-23
Applicant: 东南大学
Abstract: 本发明公开了一种基于轻量级密度估计网络的航拍目标计数与检测方法，属于目标检测领域，包括：将航拍图像数据输入目标密度估计网络得到目标密度图，对目标密度图中的元素值进行求和，获得航拍图像数据中的目标数量；通过裁剪高密度区域得到局部区域裁剪图像块；分别对全局航拍图像数据和局部区域裁剪图像块进行目标检测，将局部区域裁剪图像块的检测框根据位置关系映射到全局的航拍图像数据上，并通过软性非极大值抑制算法对全局的航拍图像数据的检测框和映射的局部区域裁剪图像块的检测框进行融合处理，得到航拍图像数据的目标检测结果。由此，通过空间位置数量分布特征获取高密度裁剪图像块进行放大检测，显著提高了航拍目标的检测精度。
-
Patent Agency Ranking
公开(公告)号：CN116453001A
公开(公告)日：2023-07-18
申请号：CN202310436011.3
申请日：2023-04-21
Applicant: 东南大学
IPC: G06V20/17 , G06V10/82 , G06V10/80 , G06V10/764 , G06V10/25 , G06N3/0464 , G06N3/082 , G06V10/766
Abstract: 本发明公开了一种基于变换器和跳跃路径聚合FPN的航拍目标检测方法，包括：获取待检测的航拍图像数据；将待检测的航拍图像数据输入预先训练好的航拍小目标检测网络模型进行目标检测，得到待检测的航拍图像数据的目标检测结果；其中，航拍小目标检测网络模型为利用可变形卷积和变换器模块结合的深度聚合残差变换网络进行特征提取，利用跳跃路径聚合特征金字塔网络进行特征融合，利用双路路解耦检测头进行目标检测。在无人机航拍视角拍摄的图片中，能够达到更高的检测精度，尤其是在有大量小目标存在的场景中。
-
公开(公告)号：CN115018864A
公开(公告)日：2022-09-06
申请号：CN202210692381.9
申请日：2022-06-17
Applicant: 东南大学
Abstract: 本发明公开了一种基于自适应预处理的三阶段肝脏肿瘤图像分割方法，属于图像处理领域。本发明将CT图像的窗位窗宽预处理融合进深度学习网络作为整个网络的第一阶段，以针对不同场景机器环境下的CT成像差异，获取较好的预处理结果，提高最终的肝脏肿瘤分割精度。第二阶段为分割肝脏感兴趣区域的U型网络，第三阶段为最终的肝脏肿瘤精细分割网络。整个网络分为三个阶段，第一阶段负责预处理，第二阶段提取感兴趣区域，以排除不相关的干扰，第三阶段接收第二阶段的监督以实现精细分割。
-
公开(公告)号：CN116403090A
公开(公告)日：2023-07-07
申请号：CN202310406746.1
申请日：2023-04-17
Applicant: 东南大学
IPC: G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于动态锚框和Transformer的小尺寸目标检测方法，属于图像处理、模式识别及计算机视觉领域，解决现有基于Transformer中小尺寸目标检测任务检测精度低且网络效率低的问题。本发明依次构建主干网络模块、编码器模块、解码器模块和预测输出模块作为目标检测网络；基于公开COCO图像数据，对提取的小尺寸目标样本图像数据进行预处理；得到预处理的小尺寸目标样本图像数据输入初始化了参数的小尺寸目标检测网络中进行训练，得到训练好后的小尺寸目标检测网络；将待预测的小尺寸目标图像输入已经训练好的小尺寸目标检测网络，通过前向传播，实现端到端地输出小尺寸目标的预测框位置与类别信息。
-
公开(公告)号：CN115018864B
公开(公告)日：2024-04-05
申请号：CN202210692381.9
申请日：2022-06-17
Applicant: 东南大学
IPC: G06T7/11 , G06T11/00 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于自适应预处理的三阶段肝脏肿瘤图像分割方法，属于图像处理领域。本发明将CT图像的窗位窗宽预处理融合进深度学习网络作为整个网络的第一阶段，以针对不同场景机器环境下的CT成像差异，获取较好的预处理结果，提高最终的肝脏肿瘤分割精度。第二阶段为分割肝脏感兴趣区域的U型网络，第三阶段为最终的肝脏肿瘤精细分割网络。整个网络分为三个阶段，第一阶段负责预处理，第二阶段提取感兴趣区域，以排除不相关的干扰，第三阶段接收第二阶段的监督以实现精细分割。
-
公开(公告)号：CN116524379A
公开(公告)日：2023-08-01
申请号：CN202310436543.7
申请日：2023-04-21
Applicant: 东南大学
IPC: G06V20/17 , G06V10/82 , G06V10/80 , G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明公开了一种基于注意力机制和自适应特征融合的航拍目标检测方法，包括：获取待检测的航拍图像数据；将待检测的航拍图像数据输入预先训练的航拍小目标检测模型，得到待检测的航拍图像数据的目标检测结果，其中，航拍小目标检测模型为在YOLO算法框架中设置轻量级自适应特征融合模块和混洗坐标注意力层，并利用训练航拍图像数据及其对应的目标检测结果训练得到。本发明在航拍视角小目标检测上，能够达到更高的识别精度。对于无人机平台的航拍小目标检测，网络速度快精度搞，能够以较低参数和计算复杂度表现出更好的检测效果。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.019 seconds)
