-
公开(公告)号：CN113052006B
公开(公告)日：2024-05-28
申请号：CN202110188935.7
申请日：2021-02-19
Applicant: 中南大学
IPC: G06V20/54 , G06V10/25 , G06V10/40 , G06V10/762 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/0495 , G06N3/082
Abstract: 本发明公开了一种基于卷积神经网络的图像目标检测方法、系统及可读存储介质，该方法包括如下步骤：采集图像样本，并对图像样本中的目标进行标记；构建基于一阶段网络的轻量型深度卷积网络；所述轻量型深度卷积网络的FPN网络架构中增设空间辅助激励模块AE、通道注意力模块SE、轻量型的卷积模块ConvSet；将图像样本进行聚类获得k个瞄框Anchor；将图像样本输入轻量型深度卷积网络，并基于所述瞄框Anchor进行模型训练得到目标检测模型；利用构建的目标检测模型识别待检测图像中的所述目标。本发明该方法可以应用于图像中的船舶检测，提高了检测速率以及精度，保证了实际应用中实时性检测需求。
-
公开(公告)号：CN113158738B
公开(公告)日：2022-09-20
申请号：CN202110115168.7
申请日：2021-01-28
Applicant: 中南大学
IPC: G06V20/52 , G06V10/25 , G06V10/40 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08 , G06T5/30 , G06T7/155 , G06T7/194 , G06T11/40
Abstract: 本发明公开了一种基于注意力机制的港口环境下目标检测方法、系统、终端及可读存储介质，所述方法包括：采集港口环境下轮胎吊作业监控范围内的图像数据，利用图像数据中的含检测目标的图像构建样本集；将样本集进行聚类以获取k个先验瞄框；对样本集中的图像进行预处理，并输入基于注意力机制的yolov3目标检测模型进行训练得到港口环境下的目标检测模型；在所述yolov3目标检测模型中的FPN网络架构中增设通道及空间注意力模块CA‑SAM；最后利用目标检测模型进行目标检测。本发明实现了港口环境下实时监测轮胎吊工作环境中是否有车辆和行人等检测目标，充分利用了yolov3目标检测算法在速度和精度上的优势。
-
公开(公告)号：CN112801870B
公开(公告)日：2022-05-17
申请号：CN202110115167.2
申请日：2021-01-28
Applicant: 中南大学
Abstract: 本发明公开了一种基于网格优化的图像拼接方法，拼接系统及可读存储介质，所述方法包括：步骤S1：获取待拼接的图像，并筛选出待拼接图像中的特征点；步骤S2：对各个单列图像进行网格划分，并至少结合区域相似变换和局部单应变换计算得到图像上每个网格的变换矩阵；步骤S3：基于单列图像中每个网格的变换矩阵并利用各单列图像之间的相邻关系进行网格变换的递推，实现列与列图像之间的拼接。所述方法解决了横向重叠率不一致的问题，且可以被广泛应用于航拍图像拼接以及红外图像拼接。
-
公开(公告)号：CN110852955B
公开(公告)日：2022-05-10
申请号：CN201810952927.3
申请日：2018-08-21
Applicant: 中南大学
Abstract: 本发明公开了一种基于图像强度阈值和自适应切割的图像增强方法，包括：根据图像亮度阈值将原图像直方图划分为暗区域直方图和亮区域直方图；将暗区域直方图和亮区域直方图分别分割为像素点个数各自均等的子直方图；计算每个子直方图的中值像素数和均值像素数，并从中值像素数和均值像素数中选出每个子直方图的限幅阈值；利用每个子直方图的限幅阈值对相对应的子直方图分别进行横向切割得到新子直方图；分别对每个新子直方图进行均衡化处理得到图像增强后的新图像。本发明通过所述方法对图像进行了增强处理使得增强后的图像不仅有完整的细节表现，并要与原始图像的内容最大程度保持一致。
-
公开(公告)号：CN114445470A
公开(公告)日：2022-05-06
申请号：CN202210060743.2
申请日：2022-01-19
Applicant: 中南大学
Abstract: 本发明公开了一种基于DFS由粗到细的图像配准方法、系统、终端及可读存储介质，该方法包括：获取待匹配的两幅图像的图像特征点，再生成线性描述符sMLD以及划分长线段、短线段；基于长线段进行粗匹配得到匹配点对，即先确定初始匹配点对；再将初始匹配点对作为粗匹配路径起点，在长线段范围内以相似度为依据依次确定粗匹配路径上的其他对匹配点对；基于短线段进行精匹配，即将粗匹配得到的匹配点对作为当前点对，在短线段范围内以相似度为依据依次确定精匹配路径上的匹配点对；基于精匹配确定的匹配点对计算局部单应矩阵，其表示两幅图像的配准信息。本发明该方法相比于其它配准方法在配准精度和配准效率均具有极大优势。
-
Patent Agency Ranking
公开(公告)号：CN113130025A
公开(公告)日：2021-07-16
申请号：CN202010047654.5
申请日：2020-01-16
Applicant: 中南大学
Abstract: 本发明公开了一种实体关系抽取方法、终端设备及计算机可读存储介质，其方法包括：从电子病历文本数据库中人工抽取若干个符合预设实体关系的二元实体对作为种子实例；对每个种子实例，均在电子病历文本数据库中查找包括种子实例的句子，并提取该句子的特征向量；基于特征向量对种子实例进行聚类；均根据其中种子实例以及种子实例相应有句子的特征向量，生成与该聚类集群对应的提取模板；使用提取模板在电子病历文本数据库中提取候选实例；根据候选实例与提取模板之间的实体关系，计算各候选实例的置信度，以根据置信度确认是否要将该候选实例作为新的种子实例进行下一轮次迭代。本发明能够较大幅度的提高电子病历实体关系抽取的准确率。
-
公开(公告)号：CN110378848B
公开(公告)日：2021-04-20
申请号：CN201910609244.2
申请日：2019-07-08
Applicant: 中南大学
Abstract: 本发明公开了一种基于衍生图融合策略的图像去雾方法，包括以下几个步骤：步骤A：基于大量原始有雾图像及其对应的无雾图像，构建样本集；步骤B：分别从五个角度提取原始有雾图像的衍生图以增强去雾方法对图像远景和近景的细节恢复，消除色偏与增强对比度；步骤C：搭建U型卷积神经网络；步骤D：级联步骤A获取的衍生图和原始有雾图像作为输入，无雾图像作为输出训练由步骤C搭建的网络；步骤E：使用步骤D训练得到的网络，级联原始有雾图像和雾图对应的衍生图作为输入预测去雾后的无雾图像。本发明去雾效果好。
-
公开(公告)号：CN111275621A
公开(公告)日：2020-06-12
申请号：CN202010054477.3
申请日：2020-01-17
Applicant: 中南大学
Abstract: 本发明公开了一种行车环视系统中全景图生成方法、系统及存储介质，其中方法包括：获取鱼眼镜头实时采集的车身周围的原始鱼眼图像及车辆模型；基于原始鱼眼图像、车辆模型、第一像素位置映射表生成全景图，其中第一像素位置映射表为预先获得的原始鱼眼图像到拼接后图像的像素位置映射表。通过预先生成第一像素位置映射表，该过程中繁杂的矩阵运算交给PC机来完成，只将得到的第一像素位置映射表存储至硬件中进行应用，然后由硬件将获取的原始鱼眼图像基于第一像素位置映射表直接进行重映射，再结合车辆模型直接生成全景图，该硬件本身无需再计算生成第一像素位置映射表的中间过程，降低硬件处理计算能力的要求，有效降低行车环视系统的实现成本。
-
公开(公告)号：CN110084156A
公开(公告)日：2019-08-02
申请号：CN201910295000.1
申请日：2019-04-12
Applicant: 中南大学
Abstract: 本发明公开了一种步态特征提取方法及基于步态特征的行人身份识别方法，步态特征提取方法包括以下步骤：步骤A：对步态图像序列中的每一帧步态图像，获取其中行人所在区域，作为感兴趣区域；步骤B：分割感兴趣区域中的行人目标；步骤C：获取每一帧步态图像中行人目标的关节点位置信息；步骤D：基于该步态图像序列的各帧步态图像中行人目标的关节点位置信息，进行步态周期检测；步骤E：根检测出的步态周期，合成该步态图像序列对应的步态能量图，作为步态特征。基于提取出的步态特征利用判别网络和对比网络对行人目标进行判断或识别。本发明较好解决了步态识别领域小样本分类中样本量不足的问题，且算法实时性好。
-
公开(公告)号：CN102343912B
公开(公告)日：2013-09-11
申请号：CN201110166514.0
申请日：2011-06-20
Applicant: 中南大学
Abstract: 本发明公开了一种汽车行驶过程中的状态估计方法，包括以下步骤：分析汽车的行驶特性，建立汽车的运动模型；引入非完整性约束进而建立速度误差估计方程，通过车速以及车辆的三个姿态角来估计车辆行驶中侧向以及垂直方向的误差，建立汽车侧偏角估计方程。通过速度误差估计、侧偏角估计可以评判车辆在行驶过程中的稳定性。本发明同时还可以利用汽车的运动模型，实现四轮汽车前轮转向角的在线检测。该汽车行驶过程中的状态估计方法能实时计算并监控汽车行驶过程中的状态参数，为汽车安全行驶提供数据参考。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.03 seconds)
