公开(公告)号：CN118657719A

公开(公告)日：2024-09-17

申请号：CN202410685491.1

申请日：2024-05-30

申请人： 常州工学院

发明人： 邓江桦 ,  王晨阳 ,  杨胜游

IPC分类号： G06T7/00 ,  G06V10/30 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/088 ,  G06N3/084

摘要： 本发明公开了一种基于去噪扩散概率模型的混凝土裂缝图像生成方法，涉及混凝土图像处理技术领域，包括以下步骤：S1、通过裁剪、选择真实的裂缝图片，制作原始的裂缝数据集，S2、借助PyTorch深度学习框架，构建去噪扩散概率模型网络，S3、利用搭建好的网络结构训练模型，S4、利用训练好的模型生成新的混凝土裂缝图片，S5、评估基于去噪扩散概率模型的无监督数据增强方法。训练的去噪扩散概率模型可以生成逼真的混凝土裂缝图像，增强混凝土裂缝数据的多样性，通过去噪扩散概率模型，生成能够用于训练深度神经网络识别模型的伪裂缝图像，将去噪扩散概率模型生成的图像加入到深度神经网络裂缝识别模型的训练数据中，可以提高混凝土裂缝的检测精度。

公开(公告)号：CN117523447A

公开(公告)日：2024-02-06

申请号：CN202311508344.9

申请日：2023-11-13

申请人： 常州工学院

发明人： 邓江桦 ,  谢江山 ,  吴浩

IPC分类号： G06V20/40 ,  G06V10/44 ,  G06V10/776 ,  G06V10/26 ,  G06V10/25 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08

摘要： 本发明公开了一种基于YOLO‑v5的轻量级船舶实时视频检测方法，涉及轻量级船舶检测技术领域，基于YOLO‑v5的轻量级船舶实时视频检测方法，包括：数据收集单元，依据VOC数据集格式制作船舶数据集，搭建网络模型单元，以YOLO‑v5s作为基础网络，做YOLO‑v5的特征提取器和分类网络；训练网络模型单元，添加额外的辅助网络层在YOLO‑v5s上完成定位检测，构成完整的YOLO‑v5目标检测网络，利用搭建好的网络结构训练模型，对模型进行评估；YOLO‑v5网络结构在不同环境条件下都能正确完成检测，对于大型船舶置信度得分达到0.9，对于小型船舶，该算法也有相对较好的性能，当船舶出现在图像边缘时，算法合理标记船舶边界框并对其进行准确分类，在船舶监控视频中，船舶检测算法能够应对多目标和遮挡干扰。

公开(公告)号：CN114693615A

公开(公告)日：2022-07-01

申请号：CN202210261682.6

申请日：2022-03-17

申请人： 常州工学院

发明人： 邓江桦

IPC分类号： G06T7/00 ,  G06T7/11 ,  G06T7/136 ,  G06T7/155 ,  G06T7/62 ,  G06T5/00

摘要： 本发明涉及深度学习技术在混凝土桥梁裂缝实时检测中的运用，具体是一种基于域适应的深度学习混凝土桥梁裂缝实时检测方法，以基于计算机视觉新算法的混凝土桥梁裂缝损伤识别和量化为技术背景，以深度学习和图像处理方法理论为基础，采用损伤数据集设计、神经网络架构搭建和损伤特征分割与量化相结合的方法，对具有多尺度复杂背景噪声特征的真实混凝土桥梁裂缝图像进行识别检测，包括：步骤一、混凝土桥梁裂缝损伤图像数据集预处理和准备；步骤二，建立裂缝损伤实时识别的迁移学习新网络架构方法；步骤三，使用轻量级注意力机制深度学习算法优化；步骤四，混凝土裂缝特征量化。