-
公开(公告)号：CN112949438B
公开(公告)日：2022-09-30
申请号：CN202110195714.2
申请日：2021-02-19
申请人： 武汉工程大学 , 武汉引行科技有限公司
IPC分类号： G06V20/68 , G06V10/44 , G06V10/56 , G06V10/774 , G06V10/764 , G06T7/00 , G06T7/62 , G06T7/90
摘要： 本发明是涉及农业与人工智能领域，尤其是一种基于贝叶斯网络的水果视觉分类方法及系统。本发明通过获取待分类水果的待分类水果数据，并进行预处理得到多个待分类水果视觉特征值；分别对每个所述待分类水果视觉特征值进行离散化处理后，输入至预先训练好的水果分类贝叶斯网络模型进行处理，得到所述待分类水果在多个等级分类下的等级分类概率；根据多个所述等级分类概率对所述待分类水果进行等级分类。本发明实现了水果的精确分类，有效地降低在水果分拣中所花费的人力物力。通过构建复杂的水果分类的贝叶斯网络模型可实现水果的精确分类，实现降低人力物力，达到水果的快速分类。
-
公开(公告)号：CN115017511A
公开(公告)日：2022-09-06
申请号：CN202210469716.0
申请日：2022-04-28
申请人： 武汉工程大学 , 武汉引行科技有限公司
摘要： 本发明提供一种源代码漏洞检测方法、装置以及存储介质，属于代码检测技术领域，方法包括：S1：分别对各个原始源代码数据的数据预处理得到预处理后源代码数据；S2：按照预设比例对多个预处理后源代码数据的划分得到训练集，验证集和测试集；S3：对训练集的代码图编码得到多个代码图数据；S4：根据多个代码图数据、验证集和测试集对训练模型的模型分析得到检测模型；S5：通过检测模型对待检测源代码数据的检测分析得到检测结果。本发明实现了函数级的自动代码漏洞检测，能在源代码中快速、高效地完成代码漏洞检测任务，解决了代码静态分析工具进行漏洞检测上存在的误报率高、漏报率高的技术问题。
-
公开(公告)号：CN114926898A
公开(公告)日：2022-08-19
申请号：CN202210494498.6
申请日：2022-05-07
申请人： 武汉工程大学 , 武汉引行科技有限公司
IPC分类号： G06V40/20 , G06V10/75 , G06T7/136 , G06T7/194 , G06V10/762 , G06V10/764 , G06V10/44 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种手势识别模型训练及手势识别方法、装置、设备及介质，涉及计算机视觉技术领域，手势识别模型训练方法包括：拍摄手部配戴有红色系手套的多张手势图像，对每张手势图像依次进行从RGB色彩空间转换成YCrCb空间、图像前景背景划分、二值化处理，得到手势分割图像；构建卷积神经网络结构，利用多张手势分割图像对卷积神经网络结构进行训练，得到手势识别模型。手势识别方法为：将待识别的图片或视频输入手势识别模型中，利用手势识别模型对待识别的图片或视频进行手势识别。本发明对图像中的手势分割效果好，通过本发明进行手势识别的识别准确率可明显提高。
-
公开(公告)号：CN110490236B
公开(公告)日：2021-08-24
申请号：CN201910690299.0
申请日：2019-07-29
申请人： 武汉工程大学 , 武汉引行科技有限公司 , 武汉创逸灵科技有限公司
摘要： 本发明涉及一种基于神经网络的自动图像标注方法、系统、装置和介质，利用预先训练好的卷积神经网络模型提取实验数据集的图像特征；根据图像特征，在训练集中计算得到待标注图像的邻域图像集和对应的第一标签域；构建第一标签域与训练集对应的第二标签域之间的标签语义关联模型，根据标签语义关联模型，在第二标签域中计算得到与每个第一标签相关联的第三标签域；计算待标注图像与每个邻域图像之间的相似度，根据所有相似度得到每个第一标签成为目标标签的第一概率，并根据所有第一概率和标签语义关联模型得到每个第三标签成为目标标签的第二概率；根据所有相似度、所有第一概率和所有第二概率，得到目标标签，并根据目标标签完成标注。
-
公开(公告)号：CN111709319A
公开(公告)日：2020-09-25
申请号：CN202010466840.2
申请日：2020-05-28
申请人： 武汉工程大学 , 武汉引行科技有限公司
摘要： 本发明提供一种铁路工机具清点方法及装置，方法包括：从公共数据库中读取多个工机具样本图像，并对多个所述工机具样本图像进行预处理，通过经预处理后的多个所述工机具样本图像得到训练图像数据集；构建目标检测网络，通过所述训练图像数据集对所述目标检测网络进行训练处理，得到目标检测模型；通过拍摄设备对出工现场进行图像采集，得到待处理图像；根据所述目标检测模型对所述待处理图像进行比对分析，得到遗失工机具类别的名称和数量。本发明实现了对工机具的准确检测与清点，可满足实际应用需求，且不需要人工提取工机具的图像特征，节省了时间的同时也提高了实时性和准确率，为智能铁路运维奠定了技术基础。
-
公开(公告)号：CN111709991A
公开(公告)日：2020-09-25
申请号：CN202010467531.7
申请日：2020-05-28
申请人： 武汉工程大学 , 武汉引行科技有限公司
摘要： 本发明涉及一种铁路工机具的检测方法、系统、装置和存储介质，方法包括获取多个工机具图像，根据所有工机具图像制作数据集；构建深度卷积神经网络，利用数据集和深度卷积神经网络构建反射图像提取网络，根据深度卷积神经网络和反射图像提取网络得到特征检测网络，根据深度卷积神经网络、反射图像提取网络和特征检测网络得到初始检测网络模型；利用数据集对初始检测网络模型进行训练，得到目标检测网络模型；根据目标检测网络模型对待检测工机具图像进行检测，得到检测结果。本发明可有效解决背景复杂、光照不均以及目标尺度差异大、形态复杂和存在遮挡等问题，对铁路工机具进行快速而准确地目标检测，实现铁路工机具的自动清点。
-
公开(公告)号：CN114912741A
公开(公告)日：2022-08-16
申请号：CN202210294454.9
申请日：2022-03-23
申请人： 武汉工程大学 , 武汉引行科技有限公司
摘要： 本发明提供一种作战体系结构效能评估方法、装置以及存储介质，属于仿真技术领域，方法包括：导入作战任务效能评估指标数据集，并对作战任务效能评估指标数据集进行数据集划分的分析，得到多个目标能力指标数据，并将所有的目标能力指标数据和作战任务效能评估指标数据集作为待处理数据集；对待处理数据集进行预测分析，得到作战体系结构效能评估结果。本发明能够使得训练速度和预测精度大大的提高，评估过程中无需人的参与，实现了效能自动化的评估，克服了评估过程中人为因素多，主观性强，耗时长以及成本高的缺点。
-
公开(公告)号：CN114494098A
公开(公告)日：2022-05-13
申请号：CN202210338505.3
申请日：2022-04-01
申请人： 武汉工程大学 , 武汉引行科技有限公司
摘要： 本发明提供一种锂电池X射线图像增强方法、装置以及存储介质，属于图像处理技术领域，方法包括：通过X光机对待测锂电池进行图像采集得到锂电池X射线图像；对锂电池X射线图像的图像反射分量分析得到X射线反射图像；根据梯度因子对X射线反射图像的加权融合计算得到X射线融合图像；对X射线融合图像的对比度调整得到X射线调整图像。本发明有利于减弱光照伪影现象，避免了X射线图像这类低照度图像的亮度过度增强以及增强不足的问题，能够较好的提高锂电池X射线图像的对比度和清晰度，具有良好的图像增强效果，增强后的锂电池图像，电极得到增强，而噪声得到抑制，可显著提高锂电池电极缺陷检测的精度。
-
公开(公告)号：CN112949438A
公开(公告)日：2021-06-11
申请号：CN202110195714.2
申请日：2021-02-19
申请人： 武汉工程大学 , 武汉引行科技有限公司
摘要： 本发明是涉及农业与人工智能领域，尤其是一种基于贝叶斯网络的水果视觉分类方法及系统。本发明通过获取待分类水果的待分类水果数据，并进行预处理得到多个待分类水果视觉特征值；分别对每个所述待分类水果视觉特征值进行离散化处理后，输入至预先训练好的水果分类贝叶斯网络模型进行处理，得到所述待分类水果在多个等级分类下的等级分类概率；根据多个所述等级分类概率对所述待分类水果进行等级分类。本发明实现了水果的精确分类，有效地降低在水果分拣中所花费的人力物力。通过构建复杂的水果分类的贝叶斯网络模型可实现水果的精确分类，实现降低人力物力，达到水果的快速分类。
-
公开(公告)号：CN112732967A
公开(公告)日：2021-04-30
申请号：CN202110023565.1
申请日：2021-01-08
申请人： 武汉工程大学 , 武汉引行科技有限公司
摘要： 本发明涉及一种图像自动标注方法、系统及电子设备，接收待标记图像，将待标记图像输入到自动图像标注模型中，以使所述自动图像标注模型中的第二主干卷积神经网络、第二卷积注意力网络、第二多尺度特征融合分支网络依次对所述待标记图像进行处理，得到第K级第三图像特征图，并使所述自动图像标注模型中的第二标签预测网络对所述第K级第三图像特征图进行处理，得到所述待标记图像的语义标签，其中K为正整数。利用自动图像标注模型对待标记图像进行处理，可以方便快捷地对待标记图像进行标注，还可以在进行图像标注时能够提供不同比例的图像特征来对图像进行标注，从而使得对图像的注释更为全面。
-
-
-
-
-
-
-
-
-
搜索结果
202 条记录 (耗时 0.045 秒)
