基于残差学习的实时图像语义分割算法

    公开(公告)号:CN111080648A

    公开(公告)日:2020-04-28

    申请号:CN201911215735.5

    申请日:2019-12-02

    IPC分类号: G06T7/10 G06N3/04

    摘要: 本发明公开了一种基于残差学习的快速图像分割算法RPNet。将图片送入卷积神经网络得到具有类别信息的分割图片,步骤一:将原始图片进行标记得到标记好的图片,和原始图片构成训练集;步骤二:根据残差特征提取方法和单网络预测结构,构建新型语义分割网络;步骤三:加载训练集,用分段式训练方式训练新型语义分割网络,得到训练好的模型;步骤四:将待分割的图片送入新型语义分割网络,加载训练好的模型,得到分割结果。在加快速度的同时,准确率得到了显著的提升。在加快速度的同时,准确率得到了显著的提升。

    一种基于DMD编码的瞬态哈达玛矩阵光谱仪

    公开(公告)号:CN109374131A

    公开(公告)日:2019-02-22

    申请号:CN201811020517.1

    申请日:2018-09-03

    IPC分类号: G01J3/28 G01J3/12

    摘要: 本发明公开了一种基于DMD编码的瞬态哈达玛矩阵光谱仪,包括匀光片、望远物镜、棱镜、DMD、准直透镜、闪耀光栅、聚焦透镜和CCD相机,入射光经由所述匀光片匀光后经由所述望远物镜聚焦在所述DMD上进行编码;编码后的光线经过所述棱镜反射再经过所述准直透镜准直,经过所述准直透镜之后的平行光线入射到所述闪耀光栅;色散后的叠加光谱经过所述聚焦透镜聚焦后由所述CCD相机采集,记录整个哈达玛循环矩阵的所有色散叠加后的光谱矩阵测量值。本发明的基于DMD编码的瞬态哈达玛矩阵光谱仪有更好的信噪比和响应速度,可以采集面阵光谱,采用可更换光栅设计有更好的适应性。

    基于残差学习的实时图像语义分割算法

    公开(公告)号:CN111080648B

    公开(公告)日:2022-11-22

    申请号:CN201911215735.5

    申请日:2019-12-02

    IPC分类号: G06T7/10 G06N3/04

    摘要: 本发明公开了一种基于残差学习的实时图像语义分割算法。将图片送入卷积神经网络得到具有类别信息的分割图片,步骤一:将原始图片进行标记得到标记好的图片,和原始图片构成训练集;步骤二:根据残差特征提取方法和单网络预测结构,构建新型语义分割网络;步骤三:加载训练集,用分段式训练方式训练新型语义分割网络,得到训练好的模型;步骤四:将待分割的图片送入新型语义分割网络,加载训练好的模型,得到分割结果。在加快速度的同时,准确率得到了显著的提升。在加快速度的同时,准确率得到了显著的提升。

    一种基于DMD编码的瞬态哈达玛矩阵光谱仪

    公开(公告)号:CN109374131B

    公开(公告)日:2021-05-28

    申请号:CN201811020517.1

    申请日:2018-09-03

    IPC分类号: G01J3/28 G01J3/12

    摘要: 本发明公开了一种基于DMD编码的瞬态哈达玛矩阵光谱仪,包括匀光片、望远物镜、棱镜、DMD、准直透镜、闪耀光栅、聚焦透镜和CCD相机,入射光经由所述匀光片匀光后经由所述望远物镜聚焦在所述DMD上进行编码;编码后的光线经过所述棱镜反射再经过所述准直透镜准直,经过所述准直透镜之后的平行光线入射到所述闪耀光栅;色散后的叠加光谱经过所述聚焦透镜聚焦后由所述CCD相机采集,记录整个哈达玛循环矩阵的所有色散叠加后的光谱矩阵测量值。本发明的基于DMD编码的瞬态哈达玛矩阵光谱仪有更好的信噪比和响应速度,可以采集面阵光谱,采用可更换光栅设计有更好的适应性。

    基于深度网络解混的瞬态光谱仪

    公开(公告)号:CN110631699A

    公开(公告)日:2019-12-31

    申请号:CN201910797710.4

    申请日:2019-08-27

    IPC分类号: G01J3/28 G06N3/04

    摘要: 本发明提出了一种基于深度网络解混的瞬态光谱仪,包括望远物镜、数字微镜器件DMD、棱镜、准直透镜、光栅、聚焦透镜、CCD相机、光强还原模块以及光谱重建模块,光强还原模块通过卷积神经网络将色散叠加后的光谱还原为光强分布;光谱重建模块将Hadamard-S矩阵与光强分布进行叠加形成Sub-Hadamard-S矩阵,并根据Sub-Hadamard-S矩阵重建光谱。本发明结构简单,不需要配准过程,同时光强强,信噪比高。