-
公开(公告)号:CN118840322A
公开(公告)日:2024-10-25
申请号:CN202410825920.0
申请日:2024-06-25
申请人: 广东工业大学
IPC分类号: G06T7/00 , G06V20/17 , G06V20/10 , G06V10/25 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464
摘要: 本发明公开的属于道路病害检测技术领域,具体为一种基于深度学习的道路病害检测方法,包括利用RDDA算法进行检测的步骤,具体如下:道路病害数据集构建、构建图像特征提取模块、设计深度可分离无参注意力机制卷积模块、提取特征图深层特征、设计空间金字塔自适应池化融合模块、使用FPN模块进行特征融合、设计NWD‑EIoU损失函数、使用Head检测头检测、模型的训练和验证、将模型进行应用,本发明有效的解决了当前道路病害检测算法参数量大、小目标病害检测精度不足、复杂背景下道路病害检测效果差的问题,从而使得本发明的算法参数量更低,能够适合边缘设备的部署,满足道路病害检测的轻量化和实时性需求。
-
公开(公告)号:CN118314053B
公开(公告)日:2024-10-15
申请号:CN202410741565.9
申请日:2024-06-11
申请人: 广东工业大学
IPC分类号: G06T5/73 , G06N3/0464 , G06N3/082 , G06T5/60
摘要: 本发明公开了一种基于神经网络的对无人机巡检航拍图像去雾方法,属于图像处理领域,该方法包括以下步骤:基于无人机巡检航拍图像构建图像数据集;构建启发式感知去雾神经网络,基于图像数据集对启发式感知去雾神经网络进行训练得到训练好的启发式感知去雾神经网络;将待去雾处理的无人机巡检航拍图像输入训练好的启发式感知去雾神经网络进行处理得到无雾清晰航拍图像。本发明能够在去雾的同时尽可能地保留原始图像中的细节和纹理,给巡检工作人员对去雾图像的分析工作带来便利。
-
公开(公告)号:CN118587762A
公开(公告)日:2024-09-03
申请号:CN202410633363.2
申请日:2024-05-21
申请人: 广东工业大学
摘要: 本发明公开了一种基于SDVGNet网络的吸烟行为检测方法,涉及行为检测技术领域。本发明包括以下步骤:Step1:构建包含香烟的图像数据集,收集各种场景中包含香烟的图像,利用LabelImg注释软件将收集得到的香烟的图像制作成PASCALVOC格式的数据集;Step2:数据预处理和数据集划分,对包含香烟的图像数据进行标注,打上吸烟和未吸烟的标签,然后将标注数据划分为训练集、验证集和测试集。本发明可以捕获包含香烟的特征图局部跨通道信息交互。相比于传统网络本发明引入MRA注意力机制,既能处理局部特征,又能捕捉全局上下文,从而提高了网络的整体性能和泛化能力。
-
公开(公告)号:CN118334351B
公开(公告)日:2024-08-30
申请号:CN202410749519.3
申请日:2024-06-12
申请人: 广东工业大学
IPC分类号: G06V10/26 , G06N3/0464 , G06N3/0985 , G06V10/44 , G06V10/776 , G06V10/80
摘要: 本发明公开了一种基于深度学习的指针仪表读数识别方法,包括:获取原始指针仪表图像并进行预处理,获得处理后的指针仪表数据集;构建初始指尺提取网络模型,基于处理后的指针仪表数据集对指尺提取网络模型进行训练,获得目标指尺提取网络模型;基于训练后的指尺提取网络模型对待识别指针仪表图像进行识别,获得无背景指针与尺度仪表的图像识别结果。本发明采用深度学习机器视觉技术代替人工阅读,不仅提高了工作场所的安全性,降低了人力资源的耗费,而且通过自动化数据收集过程提高了效率和准确性。
-
公开(公告)号:CN118314532B
公开(公告)日:2024-08-27
申请号:CN202410741819.7
申请日:2024-06-11
申请人: 广东工业大学
IPC分类号: G06V20/52 , G06N3/045 , G06N3/0464 , G06N3/084 , G06V10/40 , G06V10/764 , G06V10/766 , G06V10/82
摘要: 本发明公开了一种基于深度学习的变电站红外图像老鼠识别方法,属于深度学习技术领域,包括以下步骤:获取变电站内老鼠的红外图像数据集,并进行预处理;基于特征提取模块、空间金字塔池化结构以及多感知目标检测头,构建变电站红外图像老鼠检测算法;基于预处理后的红外图像数据集对所述变电站红外图像老鼠检测算法进行训练;将训练后的变电站红外图像老鼠检测算法部署在变电站的红外摄像头中,对变电站内老鼠进行实时监控和预警。本发明建立了易于训练的变电站红外图像老鼠目标检测网络,具有高准确率和高泛化性的特点,建模完成后可以部署在各个变电站场景中的红外摄像头内,并建立相对应的预警与监控系统,实现对老鼠目标的实时监控。
-
公开(公告)号:CN118314442B
公开(公告)日:2024-09-20
申请号:CN202410741672.1
申请日:2024-06-11
申请人: 广东工业大学
摘要: 本发明公开了一种基于深度学习的输电杆塔异物隐患识别方法,包括:构建输电杆塔异物原始数据集并进行预处理,获得处理后的输电杆塔异物数据集;构建基于深度学习的输电杆塔异物隐患识别模型,基于处理后的输电杆塔异物数据集对输电杆塔异物隐患识别模型进行训练,获得训练后的输电杆塔异物隐患识别模型;基于训练后的输电杆塔异物隐患识别模型对输电杆塔中的异物进行识别,获得识别结果。本发明有效提升了在复杂环境下的异物检测准确率和系统的计算效率,还增强了模型在处理不规则和多尺度特征时的适应性和鲁棒性,显著提高了输电杆塔异物隐患别模型的实用性和可靠性。
-
公开(公告)号:CN118314532A
公开(公告)日:2024-07-09
申请号:CN202410741819.7
申请日:2024-06-11
申请人: 广东工业大学
IPC分类号: G06V20/52 , G06N3/045 , G06N3/0464 , G06N3/084 , G06V10/40 , G06V10/764 , G06V10/766 , G06V10/82
摘要: 本发明公开了一种基于深度学习的变电站红外图像老鼠识别方法,属于深度学习技术领域,包括以下步骤:获取变电站内老鼠的红外图像数据集,并进行预处理;基于特征提取模块、空间金字塔池化结构以及多感知目标检测头,构建变电站红外图像老鼠检测算法;基于预处理后的红外图像数据集对所述变电站红外图像老鼠检测算法进行训练;将训练后的变电站红外图像老鼠检测算法部署在变电站的红外摄像头中,对变电站内老鼠进行实时监控和预警。本发明建立了易于训练的变电站红外图像老鼠目标检测网络,具有高准确率和高泛化性的特点,建模完成后可以部署在各个变电站场景中的红外摄像头内,并建立相对应的预警与监控系统,实现对老鼠目标的实时监控。
-
公开(公告)号:CN118781479A
公开(公告)日:2024-10-15
申请号:CN202410716377.0
申请日:2024-06-04
申请人: 广东工业大学
IPC分类号: G06V20/10 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
摘要: 本发明公开了一种基于位置注意力和多尺度残差特征的遥感影像建筑物提取方法,涉及建筑物提取技术领域。本发明包括以下步骤:Step1:预处理遥感影像数据集,获取遥感影像数据集,根据得到的遥感影像数据集制作遥感影像样本标签,将RGB遥感影像数据集与对应的遥感影像单通道数字标签分别进行垂直翻转的数据增强操作。本发明通过遥感影像建筑物提取模型FCM‑Net构建的特征解码模块中使用跳跃连接和深度监督设计。跳跃连接将来自不同尺度特征图的高级语义和低级语义相结合,减少编码器和解码器之间的语义差距;深度监督设计为在特征解码模块的第0层的每一个输出块(X0,1、X0,2、X0,3和和X0,4)后添加1×1卷积和FPReLu激活函数,以缓解梯度消失问题,加快收敛速度。
-
公开(公告)号:CN118332528B
公开(公告)日:2024-08-30
申请号:CN202410767432.9
申请日:2024-06-14
申请人: 广东工业大学
IPC分类号: G06F21/14 , G06F40/253 , G06N3/0455 , G06N3/08 , G06F21/60
摘要: 本发明属于代码混淆技术领域,并公开了一种基于深度学习的代码混淆方法、系统、设备及介质,包括:对分支语句进行预处理,得到AST语法树的节点‑编号序列和叶子节点值‑编号序列;基于序列数据构建AST语法树中根节点到各叶子节点的路径集合;将路径集合输入代码混淆模型中,得到第一密文;基于DES算法对第一密文进行二次加密,得到第二密文;构建解密模型,基于解密模型构建解密函数;将第二密文输入解密函数中进行解密,先得到对应的第一密文,然后解密第一密文,最后得到对应分支语句的判断条件;将分支语句的判断条件替换为对解密函数的调用,实现代码混淆。本发明技术方案能够让混淆的代码更具隐蔽性,提高程序抗逆向分析能力。
-
公开(公告)号:CN118332528A
公开(公告)日:2024-07-12
申请号:CN202410767432.9
申请日:2024-06-14
申请人: 广东工业大学
IPC分类号: G06F21/14 , G06F40/253 , G06N3/0455 , G06N3/08 , G06F21/60
摘要: 本发明属于代码混淆技术领域,并公开了一种基于深度学习的代码混淆方法、系统、设备及介质,包括:对分支语句进行预处理,得到AST语法树的节点‑编号序列和叶子节点值‑编号序列;基于序列数据构建AST语法树中根节点到各叶子节点的路径集合;将路径集合输入代码混淆模型中,得到第一密文;基于DES算法对第一密文进行二次加密,得到第二密文;构建解密模型,基于解密模型构建解密函数;将第二密文输入解密函数中进行解密,先得到对应的第一密文,然后解密第一密文,最后得到对应分支语句的判断条件;将分支语句的判断条件替换为对解密函数的调用,实现代码混淆。本发明技术方案能够让混淆的代码更具隐蔽性,提高程序抗逆向分析能力。
-
-
-
-
-
-
-
-
-