-
公开(公告)号：CN114972739B
公开(公告)日：2024-08-20
申请号：CN202210708562.6
申请日：2022-06-21
申请人： 天津大学
发明人： 杨阳
IPC分类号： G06V10/25 , G06V10/40 , G06V10/764 , G06V10/82 , G06V10/766 , G06N3/045 , G06N3/0464 , G06N3/08
摘要： 本发明提供了一种基于目标质心关系的图像目标检测方法，包括确定所使用的图像数据集、构建深度学习网络模型、正负样本分配以及图像目标检测。本发明公开的一种基于目标质心关系的图像目标检测方法，通过基于目标质心关系的创造性正负样本分配方式，改变了现有正负样本分配通常采用固定交并比阈值的方式，可以有效提高检测模型质量，从而提升检测的精度和准确率，减少了图像目标检测中存在的定位不准或者类别检测错误的情况。
-
公开(公告)号：CN117475361A
公开(公告)日：2024-01-30
申请号：CN202311198784.9
申请日：2023-09-16
申请人： 天津大学
IPC分类号： G06V20/50 , G06V10/774 , G06V10/764 , G06V10/82 , G06V10/74 , G06V10/778
摘要： 本发明公开了一种基于miniImageNet数据集辅助训练小样本学习输电线路缺陷识别方法，步骤：获取输电线路缺陷样本数据，并进行数据预处理，制作图像数据集；将图像数据集入小样本学习模型中进行元学习训练和测试，将全局预测得分作为辅助目标，利用预测的局部相似性得分和全局相似性得分校准参数度量空间；将待测输电线路缺陷样本输入模型中精确预测识别。本发明在小样本条件下进行电力缺陷识别，模型通过局部与全局识别的结合，提升模型对电力缺陷的识别能力，还解决了小样本条件下电力设备缺陷识别难的问题。本发明对不同缺陷具有较好的识别效果，能够在实际应用中有效代替人工识别异常缺陷的过程，极大减少人力物力损耗。
-
公开(公告)号：CN110580480B
公开(公告)日：2023-12-01
申请号：CN201910658381.5
申请日：2019-07-21
申请人： 天津大学
IPC分类号： G06V30/19 , G06V30/164 , G06V30/168 , G06V30/18
摘要： 本发明涉及图像处理领域，针对指针式仪表读数过程中因表计类型不同而无法确定起始刻度线的问题，本发明旨在提出一种基于起始刻度线提取的算法，通过对指针式仪表的起始刻度线及终止刻度线进行提取定位，结合指针偏转角度所占百分比进行读数，进而满足变电站的指针式仪表读数需求。为此，本发明采取的技术方案是，基于图像处理的表计读数识别方法，包含三个步骤：首先对于起始刻度线以及终止刻度线进行定位，其次进行指针的定位识别，最后通过计算指针相对于起始刻度线的偏转角度得到指针式仪表的读数。本发明主要应用于表计读数识别场合。
-
公开(公告)号：CN111368874B
公开(公告)日：2022-11-15
申请号：CN202010076321.5
申请日：2020-01-23
申请人： 天津大学
IPC分类号： G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 本发明涉及一种基于单分类技术的图像类别增量学习方法，包括下列步骤：数据集制作；初始分类神经网络搭建；步骤3：类增量学习神经网络搭建：对步骤2中初始分类神经网络进行修改，使初始分类神经网络具有类增量学习的功能：调整输出的类别以及类别数量参数，并将新类别图像的数据集放入指定文件夹中，训练类增量学习神经网络时，通过知识蒸馏算法来更新模型参数，即，融合蒸馏损失和交叉熵损失函数成为新的损失函数，此外在类增量学习神经网络中添加Bias correction结构，使类增量学习神经网络能够适应大规模的图像类别增量学习。步骤4：基于单分类技术的图像类别增量学习模型搭建。
-
公开(公告)号：CN115100428A
公开(公告)日：2022-09-23
申请号：CN202210766141.9
申请日：2022-07-01
申请人： 天津大学
IPC分类号： G06V10/44 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82
摘要： 本发明提供了一种利用上下文感知的目标检测方法，包括获取待检测的图像数据，并设置训练集和测试集；构造基于上下文感知的卷积神经网络；训练卷积神经网络，得到训练模型；将测试集图像输入训练模型中，得出图像中目标的位置和类别信息。本发明基于深度学习的方法对图像中的目标进行位置定位和类别检测，为目标检测应用到农业、军事、安防等领域提供物体信息，推动信息监测等诸多应用的发展和进一步研究。
-
公开(公告)号：CN114972739A
公开(公告)日：2022-08-30
申请号：CN202210708562.6
申请日：2022-06-21
申请人： 天津大学
发明人： 杨阳
IPC分类号： G06V10/25 , G06V10/40 , G06V10/764 , G06V10/82 , G06V10/766 , G06N3/04 , G06N3/08
摘要： 本发明提供了一种基于目标质心关系的图像目标检测方法，包括确定所使用的图像数据集、构建深度学习网络模型、正负样本分配以及图像目标检测。本发明公开的一种基于目标质心关系的图像目标检测方法，通过基于目标质心关系的创造性正负样本分配方式，改变了现有正负样本分配通常采用固定交并比阈值的方式，可以有效提高检测模型质量，从而提升检测的精度和准确率，减少了图像目标检测中存在的定位不准或者类别检测错误的情况。
-
公开(公告)号：CN114563237A
公开(公告)日：2022-05-31
申请号：CN202210114305.X
申请日：2022-01-30
申请人： 天津大学
IPC分类号： G01N1/28
摘要： 本发明属于岩土工程试验技术领域，公开了一种饱和软黏土固结装置，包括加压框架，加压框架内部设置有用于盛放黏土的模型箱，模型箱由上到下依次由上部盒体、下部盒体和底座密封连接；底座通过承载横梁将模型箱架设于加压框架的底部横梁；加压框架底部设置有升降调节机构，升降调节机构用于调节加压框架高度；加压框架顶部固定安装有电动缸，电动缸底部连接有传压板；电动缸通过伺服电机和伺服驱动器与控制器连接；控制器用于通过伺服驱动器控制伺服电机运行，使伺服电机带动电动缸上下运动并通过传压板对模型箱内的土体施加压力。本发明能够制备不同固结程度的土样，且保证数量充足、物理力学特性前后一致。
-
公开(公告)号：CN113238222B
公开(公告)日：2022-05-13
申请号：CN202110523742.2
申请日：2021-05-13
申请人： 天津大学
摘要： 本发明提供了一种基于包络密度特征的人体动作识别方法,包括：雷达回波信号采集：使用雷达进行多个人体动作探测，接收到回波信号；时频处理：对接收到的回波信号进行时频处理得到回波信号的时频谱图；包络密度特征提取：将所有包络密度特征向量串联起来形成长特征向量；人体动作识别：使用时频谱图以及对应得到的长特征向量作为分类器模型或神经网络模型的输入，对人体动作的雷达回波信号时频谱图进行识别。本发明一种基于包络密度特征的人体动作识别方法,基于包络密度特征对雷达回波信号时频谱图进行特征提取，进一步训练分类器模型或神经网络模型，能够有效提高分类准确度，最终提高对人体动作的识别质量与效率。
-
公开(公告)号：CN111510578B
公开(公告)日：2021-07-09
申请号：CN202010244589.5
申请日：2020-03-31
申请人： 天津大学
摘要： 本发明涉及一种基于强化学习的JPEG压缩图像重建方法，包括下列步骤：第一步：制作JPEG压缩图像数据集：对于已经公开的图像数据集，进行4种不同程度的JPEG压缩生成含有压缩噪声的图片。第二步：设计JPEG压缩图像恢复工具：针对4种不同程度的JPEG压缩，分别训练重建算法参数，获得4个压缩图像恢复工具。第三步：训练最优处理工具选择网络，面对不同程度的压缩图片选择最合适的恢复工具。
-
公开(公告)号：CN112183191A
公开(公告)日：2021-01-05
申请号：CN202010832945.5
申请日：2020-08-18
申请人： 天津大学
摘要： 本发明涉种一种基于对抗训练的检测输电线路中鸟巢的方法，包括下面几个方面：搭建网络结构，网络结构有两个主要部分。第一个是生成对抗网络，对抗训练的目标是在具有高位参数的连续问题中找到纳什平衡，生成器能够生成足够接近真实样本的数据，鉴别器能够分辨出生成器生成的图片和原图，使用三个生成器和两个判别器。第二个是CNN结构的二分类器。数据集的构建。训练检测模型：设置模型的参数，包括迭代次数，卷积核尺寸，具体操作时，将图片放入指定的文件夹，开始训练，训练指定步数后，完成训练。用测试模型对要测试的图片进行分类。在训练完成后，只需要网络结构中的判别器，将待检测的图片送入判别进行分类，得到有无鸟巢的结果，对应分类结果将图片保存至对应的文件夹。
-
-
-
-
-
-
-
-
-
搜索结果
130 条记录 (耗时 0.037 秒)
