-
公开(公告)号：CN118799705B
公开(公告)日：2024-11-19
申请号：CN202411287621.2
申请日：2024-09-14
Applicant: 中南大学
IPC: G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/40 , G06V10/80
Abstract: 本发明涉及图像处理技术领域，具体涉及一种基于深度学习的隧道病害识别方法、设备及介质，所述方法步骤包括：构造数据集；构造目标检测网络；采用数据集训练所述目标检测网络，得到目标识别模型；从隧道表面获取待检测的病害图像，输入目标识别模型中进行目标识别。本发明方法采用轻量视觉变换网络替换YOLOX中的主干网络，构造了目标检测网络；轻量视觉变换网络中的轻量可视化结构和倒残差瓶颈结构结合了全局感知能力和局部特征提取优势，有利于捕捉图像中的细节特征和全局上下文，提高了对复杂场景的理解能力，从而提高检测精度。
-
Patent Agency Ranking
公开(公告)号：CN119494945B
公开(公告)日：2025-04-22
申请号：CN202510072061.7
申请日：2025-01-17
Applicant: 中南大学
IPC: G06V10/20 , G06N3/0455 , G06N3/0475 , G06V10/44 , G06V10/80 , G06V10/82
Abstract: 本发明涉及图像处理技术领域，具体涉及一种隧道病害图像去模糊方法、设备及介质，本发明方法包括快速通道混洗网络和多分支特征融合模块，本发明采用快速通道混洗网络替换替换DeblurGAN‑V2网络中的主干网络，所述快速通道混洗网络减少了计算复杂度，同时保持较高的准确度和效率，所述快速通道混洗网络包括傅里叶卷积，傅里叶卷积可以在频域上进行全局运算，通过在频域上执行部分卷积操作，使得每一层卷积具有更大的感受野，更好地恢复图像中的细节信息。本发明利用多分支特征融合模块替代DeblurGAN‑V2中特征金字塔的自下而上特征融合部分，简化了网络结构，提高了特征融合效率，提升了网络的整体去模糊性能。
-
公开(公告)号：CN119493966A
公开(公告)日：2025-02-21
申请号：CN202510072047.7
申请日：2025-01-17
Applicant: 中南大学
IPC: G06F18/20 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/086 , G06N3/0985 , G06F18/15 , G06F18/213
Abstract: 本发明涉及路基沉降预测技术领域，具体涉及一种基于深度学习的路基沉降预测方法、电子设备及介质，本发明提供的路基沉降预测方法采用路基沉降预测模型进行预测，该模型采用卷积神经网络与双向长短时记忆网络相结合，有效地捕捉时空特征，提高了模型的预测精度与稳定性；通过引入通道注意力增强机制模块，对不同特征通道进行动态加权，提升模型对关键特征的选择能力，增强模型对数据中细微变化的敏感性和对全局特征的捕捉能力；通过遗传算法对模型进行训练，提升效率，遗传算法能够在复杂的超参数空间中自动找到最优组合，使得模型在不同的路基沉降数据集上均能表现出良好的泛化能力，提升模型的预测精度。
-
公开(公告)号：CN119494945A
公开(公告)日：2025-02-21
申请号：CN202510072061.7
申请日：2025-01-17
Applicant: 中南大学
IPC: G06V10/20 , G06N3/0455 , G06N3/0475 , G06V10/44 , G06V10/80 , G06V10/82
Abstract: 本发明涉及图像处理技术领域，具体涉及一种隧道病害图像去模糊方法、设备及介质，本发明方法包括快速通道混洗网络和多分支特征融合模块，本发明采用快速通道混洗网络替换替换DeblurGAN‑V2网络中的主干网络，所述快速通道混洗网络减少了计算复杂度，同时保持较高的准确度和效率，所述快速通道混洗网络包括傅里叶卷积，傅里叶卷积可以在频域上进行全局运算，通过在频域上执行部分卷积操作，使得每一层卷积具有更大的感受野，更好地恢复图像中的细节信息。本发明利用多分支特征融合模块替代DeblurGAN‑V2中特征金字塔的自下而上特征融合部分，简化了网络结构，提高了特征融合效率，提升了网络的整体去模糊性能。
-
公开(公告)号：CN118799705A
公开(公告)日：2024-10-18
申请号：CN202411287621.2
申请日：2024-09-14
Applicant: 中南大学
IPC: G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/40 , G06V10/80
Abstract: 本发明涉及图像处理技术领域，具体涉及一种基于深度学习的隧道病害识别方法、设备及介质，所述方法步骤包括：构造数据集；构造目标检测网络；采用数据集训练所述目标检测网络，得到目标识别模型；从隧道表面获取待检测的病害图像，输入目标识别模型中进行目标识别。本发明方法采用轻量视觉变换网络替换YOLOX中的主干网络，构造了目标检测网络；轻量视觉变换网络中的轻量可视化结构和倒残差瓶颈结构结合了全局感知能力和局部特征提取优势，有利于捕捉图像中的细节特征和全局上下文，提高了对复杂场景的理解能力，从而提高检测精度。
-
公开(公告)号：CN222796298U
公开(公告)日：2025-04-25
申请号：CN202421798505.2
申请日：2024-07-29
Applicant: 中南大学
Abstract: 本实用新型涉及建筑施工技术领域，公开了一种挡土墙的增高结构，包括挡板、垫件和连接件，所述挡板用于放置在挡土墙上；所述垫件设置在所述挡板上；所述挡板和所述垫件通过所述连接件可拆卸连接在挡土墙上。本实用新型通过连接件将挡板可拆卸连接在挡土墙上，当汛期来临时，增高挡土墙的水平高度，防止水流淹没过挡土墙，并涌入基坑内；当汛期退去时，可卸下挡板，有利于站在基坑外的施工人员观察到基坑内的施工情况。
-
-
-
-
-
Search Results
6
records
(took 0.087 seconds)
