公开(公告)号：CN118486077A

公开(公告)日：2024-08-13

申请号：CN202410598627.5

申请日：2024-05-15

申请人： 成都理工大学

发明人： 刘雯玲 ,  曾维 ,  陈才华 ,  王洪辉 ,  姚光乐 ,  王姝懿 ,  黄宝来 ,  王胜

IPC分类号： G06V40/20 ,  G06V10/26 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/0455

摘要： 本发明公开了一种基于改进GRU‑ViT网络的手语翻译方法，涉及长序列的手语翻译领域，包括以下步骤：S10，基于原始GRU网络进行改进，以优化GRU的学习结构，并提高手语序列位置信息编码的准确性；S20，使用ViT网络模型，将输入的手部图像分割成块，线性嵌入每个手部图像块，并添加位置嵌入；S30，将改进后的GRU网络作为原始Transformer模型中的相对位置编码器，使用相对位置方式对手语序列进行位置编码。本发明的有益效果：有效提高手语序列位置信息编码的准确性、解决字错误率高的问题，从而提高手语翻译的准确率。

公开(公告)号：CN118334591B

公开(公告)日：2024-08-06

申请号：CN202410758264.7

申请日：2024-06-13

申请人： 成都理工大学

发明人： 姚光乐 ,  周楚宜 ,  李瑞佳 ,  王洪辉 ,  李军 ,  王琛 ,  徐晓宇 ,  曾维

IPC分类号： G06V20/52 ,  G06V20/70 ,  G06V10/40 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/25 ,  G06V10/764 ,  G06V10/766

摘要： 本发明公开了一种基于探地雷达和深度学习的道路坍塌隐患智能识别方法，属于图像识别领域，步骤包括构造数据集；构造一改进的Faster R‑CNN网络，其特征提取网络包括ResNet‑50、双重融合特征金字塔和垂直方向逐通道一维卷积单元；用数据集训练改进的Faster R‑CNN网络至收敛，得到道路坍塌隐患智能识别模型，用于坍塌隐患区域探地雷达图像的预测。本发明综合利用了增强的特征表达能力、精确的ROI对齐和双重融合策略，该方法能够对探地雷达图像中的隐患区域进行高效且有效的识别，这意味着在目标检测任务中，该方法相比于传统的Faster R‑CNN算法能够更准确地找出目标，提高检测的可靠性和鲁棒性。

公开(公告)号：CN118052979A

公开(公告)日：2024-05-17

申请号：CN202410433191.4

申请日：2024-04-11

申请人： 成都理工大学

发明人： 刘瑛 ,  史博文 ,  姚光乐 ,  王子煜 ,  王琛 ,  李瑞佳 ,  徐晓宇 ,  王洪辉 ,  孙思源

IPC分类号： G06V10/25 ,  G06V20/10 ,  G06V10/82 ,  G06N3/045 ,  G06N3/084

摘要： 本发明公开了一种基于交叉矫正网络的遥感影像目标检测方法，属于图像识别技术领域，包括构造数据集，其中训练样本的标签为粗略标注；构造双检测头交叉矫正网络并训练得到第一检测模型M1，能通过两检测头输出2个第二预测框；双检测头交叉矫正得到伪标签，基于伪标签构造联合监督损失来调整M1的参数，并更新数据集，最终生成纠正数据集来训练一目标检测模型，用于遥感图像的预测输出。本发明针对遥感影像目标不精确标注的问题，使用加权融合优化算法，得到伪标签，去优化模型参数并纠正不精确标注，从而提高了模型的鲁棒性，有效解决因不准确标注对模型造成的影响。

公开(公告)号：CN117455900A

公开(公告)日：2024-01-26

申请号：CN202311705691.0

申请日：2023-12-13

申请人： 成都理工大学

发明人： 李国辉 ,  曾维 ,  郭海波 ,  王洪辉 ,  柏宇 ,  王胜 ,  王玥坦一 ,  于真

IPC分类号： G06T7/00 ,  G06T5/73 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/048

摘要： 本发明改进了YOLOv5s算法并构建了一种面向智能终端的绝缘子缺陷检测技术，涉及计算机视觉和电力工程领域，包括以下步骤：S10，改进YOLOv5s模型，S20，完成视频图像去雾系统，S30，将改进模型部署到PS端，S40，完成测试与分析。本发明的有益效果：不仅满足实时检测需求，还降低了检测时间，具有重要研究意义和实际价值。

公开(公告)号：CN106990429B

公开(公告)日：2023-09-19

申请号：CN201710355479.4

申请日：2017-05-19

申请人： 四川轻化工大学 ,  成都理工大学 ,  西南科技大学

发明人： 王琦标 ,  庹先国 ,  杨剑波 ,  成毅 ,  李怀良 ,  王洪辉 ,  邓超

IPC分类号： G01T1/36 ,  G01T3/06

摘要： 本发明公开了一种γ、中子双射线能谱测量装置及测量方法，利用一种闪烁晶体同时对γ射线和中子敏感的特性，通过粒子甄别将γ射线信号和中子信号区分，分别对两种信号进行脉冲幅度分析，得到γ沉积谱和中子沉积谱；γ射线在闪烁晶体中具有峰响应，γ沉积谱即为测量的γ射线能谱；而中子在闪烁晶体中是连续响应，中子能谱则通过单能中子的响应矩阵与中子沉积谱最小二乘求解。最后通过能谱数据分析，识别关键核素并计算其含量，计算γ剂量和中子剂量。本发明有效提高了混合辐射场测量的仪器便携性，并避免了γ射线与中子的相互干扰。

公开(公告)号：CN116563173A

公开(公告)日：2023-08-08

申请号：CN202310845396.9

申请日：2023-07-11

申请人： 成都理工大学

发明人： 姚光乐 ,  黄耀鑫 ,  周文龙 ,  王洪辉 ,  吕兵 ,  王磊 ,  胡朝辉 ,  陈才华 ,  于真

IPC分类号： G06T5/00 ,  G06T5/50 ,  G06N3/084 ,  G06N3/09

摘要： 本发明公开了一种基于多噪声自监督学习的探地雷达图像去噪方法，包括大量获取探地雷达的真实图像，构成数据集；构造一多噪声自监督学习去噪网络并设计混合损失函数；训练得到噪声自监督学习去噪模型；最后输入待去噪的真实图像，送入噪声自监督学习去噪模型中，由去噪网络输出对应的真实图像去噪图作为去噪后的图像。本发明针对基于单一噪声的自监督去噪方法无法有效应对真实探地雷达图像中多种噪声干扰、基于遮挡的盲去噪方法丢失异常区域的特征细节问题，用随机噪声水平的多种噪声生成自监督噪声数据，提升去噪网络的泛化能力，并用滤波去噪方法生成预去噪图像作为网络训练时的约束，显著提高了对探地雷达图像中的复杂噪声的去噪性能。

公开(公告)号：CN116543308A

公开(公告)日：2023-08-04

申请号：CN202310575733.7

申请日：2023-05-22

申请人： 成都理工大学

发明人： 王洪辉 ,  刘杰 ,  王子悦 ,  艾懿卓 ,  史博文 ,  徐玮杰 ,  花语 ,  徐晓宇 ,  任际周

IPC分类号： G06V20/10 ,  G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06V10/26 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

摘要： 本发明公开了一种基于多模型融合的滑坡检测预警方法，包括（1）获取待测地区的遥感影像，切割成多张子遥感图；（2）依次将遥感图分类识别为滑坡影像或非滑坡影像；（3）对每张滑坡影像输出检测框；（4）扩大检测框尺寸填充背景为黑色，（5）再得到语义分割结果图；（6）将步骤（5）得到的语义分割结果图标记为参考图；（7）对每张滑坡影像的子地区进行监控，通过监控变形区域面积值大小的方式报警。本发明在将滑坡影像处理成语义分割结果图的过程中，对目标检测、检测框放大、语义分割均进行了改进，能提高多尺度和复杂背景下的滑坡检测精度，尤其是小尺度下的滑坡检测精度。

公开(公告)号：CN116343050B

公开(公告)日：2023-08-01

申请号：CN202310603585.5

申请日：2023-05-26

申请人： 成都理工大学

发明人： 姚光乐 ,  龚海军 ,  王洪辉 ,  王子煜 ,  周皓然 ,  叶绍泽 ,  曾维 ,  彭鹏 ,  杨冬营

IPC分类号： G06V20/10 ,  G06V10/30 ,  G06V10/82 ,  G06N3/08 ,  G06V10/774 ,  G06N3/0464

摘要： 本发明公开了一种基于自适应权重的遥感图像噪声标注的目标检测方法，包括：大量获取遥感图像标注数据构成数据集D，从中选取无噪声样本构成无噪声数据集DC；冻结基础检测模型m1的权重参数，用无噪声数据集DC结合m1，训练自适应权重网络，得到其最优权重参数θ*；用数据集D对m1进行微调得到m2。微调中使用自适应权重网络计算预测目标框的置信度作为预测框的训练权重。本发明能有效地抑制不精确边界框标注对目标检测模型的不良影响，同时高效矫正不精确边界框标注，提高目标检测精度。

公开(公告)号：CN116306875B

公开(公告)日：2023-08-01

申请号：CN202310559996.9

申请日：2023-05-18

申请人： 成都理工大学

发明人： 姚光乐 ,  祝钧桃 ,  王洪辉 ,  孙思源 ,  吕兵 ,  王磊 ,  胡朝辉 ,  彭鹏 ,  刘瑛 ,  何素兰

IPC分类号： G06N3/08 ,  G06V10/40 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V20/10

摘要： 本发明公开了一种基于空间预学习与拟合的排水管网样本增量学习方法，属于图像分类识别领域，包括（1）获取初始数据集，（2）训练得到能识别排水管网多种缺陷类别的初始模型，（3）为下次学习出现的未知新数据预分配空间，微调初始模型，（4）执行增量学习任务时，从数据集中选择部分训练数据，与上一模型的特征空间进行拟合，并同时为下一学习任务进行空间预分配。本发明通过提前为可能出现的新排水管网图像数据预分配空间，同时在新排水管网图像数据学习时进行新数据选择，并使其尽可能拟合预先分配的空间，使模型能避免新旧数据因特征差异大造成的模型整体识别性能下降，提升识别准确率。

公开(公告)号：CN116486064A

公开(公告)日：2023-07-25

申请号：CN202310299961.6

申请日：2023-03-24

申请人： 成都理工大学

发明人： 王洪辉 ,  周永修 ,  姚光乐 ,  杨冬营 ,  何素兰 ,  庹先国

IPC分类号： G06V10/24 ,  G06V10/75 ,  G06V10/26 ,  G06V10/80 ,  G06V10/82 ,  G06V20/13 ,  G06V20/40 ,  G06V20/52 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08

摘要： 本发明公开了一种基于地理位置定位算法的视频滑坡监测定位方法，包括训练目标检测网络得到滑坡检测模型；训练滑坡定位网络得到滑坡定位模型；选定一待测区域，获取待测区域的遥感影像以及实时的待测照片；将待测照片依次送入滑坡检测模型中，当识别到待测照片中有滑坡区域，则输出滑坡区域在对应在待测照片中的位置坐标；并从待测照片中切割出待测图像切片，与待测区域的遥感影像一起，输入滑坡定位模型中得到滑坡区域的经纬度坐标。本发明可实时监控待测区域并自动输出对滑坡区域精确定位。不受环境、天气影响，对设备要求简单，定位准确，误差范围较小。