-
公开(公告)号：CN114549574A
公开(公告)日：2022-05-27
申请号：CN202210193688.4
申请日：2022-03-01
申请人： 杭州电子科技大学
摘要： 本发明公开了一种基于掩膜传播网络以及特征融合的交互式视频抠图系统，包括缓存模块、交互式图像粗分割模块、掩膜时域传播模块、基于时空特征融合的细分割模块。相较于现有视频抠图方法，本发明系统只需对视频任意一帧的前景目标进行点击或者涂鸦便可实现对整个视频前景目标的抠图，无需对每一帧提供三分图，大大减少用户的工作量，并且达到先进抠图算法效果，此外通过时空特征融合模块，有效解决视频帧之间的时空一致性问题，对移动的物体细节可能产生伪迹和闪烁现象起到有效抑制。
-
公开(公告)号：CN114299588B
公开(公告)日：2024-05-10
申请号：CN202111654265.X
申请日：2021-12-30
申请人： 杭州电子科技大学
IPC分类号： G06V40/16 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/09
摘要： 本发明公开了一种基于局部空间转换网络的实时目标编辑方法，首先获取高分辨率图像并制作训练数据集和测试数据集，然后通过掩码转换网络获取目标掩码的仿射变换矩阵，并实现目标图像的采样再使用空洞修复网络修复图像空洞，最后通过获得的数据集训练并测试掩码转换网络和空洞修复网络。本发明MTN专注于掩码学习，可使用与业务无关的数据集训练网络模型，降低了构建数据集的成本和模型的训练成本，完成目标编辑任务的同时解决了传统深度学习方法中图像空洞的出现问题。
-
公开(公告)号：CN114723706A
公开(公告)日：2022-07-08
申请号：CN202210349689.3
申请日：2022-04-02
申请人： 杭州电子科技大学
摘要： 本发明公开了一种基于机器视觉的焊点检测定位方法。本发明包括以下步骤：步骤1、采用基于先验知识的焊点粗定位，并规划焊接最优路径，为视觉系统和机械臂提供运行方向；步骤2、基于机器视觉的焊点细定位，并判断焊点类型，精确引导机械臂找到焊点位置，针对性实施自动焊接；步骤3、采用基于在线深度强化学习的焊点缺陷检测，自动检测焊点缺陷及判断类型，为同工位二次补焊提供依据和指导。本发明自动规划焊接路径，采用路径规划算法优化相机与机械臂的焊接路径从而提高生产效率；使用了融合多层特征的深度神经网络，有利于焊点众多小目标场景的检测；在线深度强化学习提高了海量数据的学习效率，从而降低学习复杂度。
-
公开(公告)号：CN110636715B
公开(公告)日：2021-07-13
申请号：CN201910795988.8
申请日：2019-08-27
申请人： 杭州电子科技大学
IPC分类号： G01N21/956
摘要： 本发明公开了一种基于自学习的自动焊接及缺陷检测方法。本发明包括如下步骤：步骤1、采用基于知识的焊点粗定位，并规划焊接最优路径，为视觉系统和机械臂提供运行方向；步骤2、基于机器视觉的焊点细定位，并判断焊点类型，精确引导机械臂找到焊点位置，针对性实施自动焊接；步骤3、采用基于在线深度强化学习的焊点缺陷检测，自动检测焊点缺陷及判断类型，为同工位二次补焊提供依据和指导。本发明采用路径规划算法优化相机与机械臂的焊接路径从而提高生产效率；本发明使用了融合多层特征的深度神经网络，有利于焊点众多小目标场景的检测；本发明对于单类目标，提高坐标损失的权重，提高定位精度；本发明对结果进行阈值过滤，筛选掉干扰目标，提高识别精度。
-
公开(公告)号：CN114299588A
公开(公告)日：2022-04-08
申请号：CN202111654265.X
申请日：2021-12-30
申请人： 杭州电子科技大学
IPC分类号： G06V40/16 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于局部空间转换网络的实时目标编辑方法，首先获取高分辨率图像并制作训练数据集和测试数据集，然后通过掩码转换网络获取目标掩码的仿射变换矩阵，并实现目标图像的采样再使用空洞修复网络修复图像空洞，最后通过获得的数据集训练并测试掩码转换网络和空洞修复网络。本发明MTN专注于掩码学习，可使用与业务无关的数据集训练网络模型，降低了构建数据集的成本和模型的训练成本，完成目标编辑任务的同时解决了传统深度学习方法中图像空洞的出现问题。
-
公开(公告)号：CN110647985A
公开(公告)日：2020-01-03
申请号：CN201910709962.7
申请日：2019-08-02
申请人： 杭州电子科技大学
IPC分类号： G06N3/08
摘要： 本发明公开了一种基于人工智能模型库的众包数据辅助标注方法。本发明包括上传待标注的数据，提供所需的预训练模型，采用众包的方式对上传的部分数据进行标注，选取相应的预训练模型进行训练得到初步的模型，用该模型对未标注数据进行预标注；基于最优化算法采用众包的方式对标注过的数据进行分发从而进行二次标注；将二次标注的数据存储于算法库中，使算法库中的算法进行增量学习；对算法库中的模型进行优化并通过数据转换的语言实现自动化数据操作。通过本发明公开的基于人工智能深度学习算法库的半自动标注和众包的数据标注方法，可以解决当前标注数量大，人工标注数据慢标注质量不稳定，数据标注成本高的问题。
-
公开(公告)号：CN110636715A
公开(公告)日：2019-12-31
申请号：CN201910795988.8
申请日：2019-08-27
申请人： 杭州电子科技大学
IPC分类号： H05K3/34 , G01N21/956 , G01N21/88
摘要： 本发明公开了一种基于自学习的自动焊接及缺陷检测方法。本发明包括如下步骤：步骤1、采用基于知识的焊点粗定位，并规划焊接最优路径，为视觉系统和机械臂提供运行方向；步骤2、基于机器视觉的焊点细定位，并判断焊点类型，精确引导机械臂找到焊点位置，针对性实施自动焊接；步骤3、采用基于在线深度强化学习的焊点缺陷检测，自动检测焊点缺陷及判断类型，为同工位二次补焊提供依据和指导。本发明采用路径规划算法优化相机与机械臂的焊接路径从而提高生产效率；本发明使用了融合多层特征的深度神经网络，有利于焊点众多小目标场景的检测；本发明对于单类目标，提高坐标损失的权重，提高定位精度；本发明对结果进行阈值过滤，筛选掉干扰目标，提高识别精度。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.026 秒)
