公开(公告)号：CN114065847B

公开(公告)日：2024-11-22

申请号：CN202111302358.6

申请日：2021-11-04

Applicant: 武汉纺织大学

Inventor： 李敏 ,  阮梦玉 ,  何儒汉 ,  朱萍 ,  胡新荣 ,  崔树芹

IPC: G06V10/80 ,  G06N3/0464 ,  G06T7/00 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明提出了一种基于改进RefineDet的疵点检测方法，主要步骤为：首先，将VGG16改为全卷积网络对织物图像特征进行提取；其次，为了获取疵点重要的特征并抑制不必要的特征，在ANCHOR细化模块中加入了注意力机制；为了提高网络的分类性能，在传输连接中加入了SE模块；最后，目标检测模块将检测的结果回归到准确的目标位置，并预测疵点的类别，对疵点进行定位。结果表明:本发明算法对孔、污渍、纱疵和线状4种类别织物图像的均值平均精度mAP达到了79.7％，比传统RefineDet检测方法均值平均精度提高了5.0％，具有良好的分类和定位效果。

公开(公告)号：CN115805590B

公开(公告)日：2024-09-24

申请号：CN202211458379.1

申请日：2022-11-17

Applicant: 武汉纺织大学

Inventor： 蒋立泉 ,  张驰 ,  李文斌 ,  何儒汉 ,  徐卫林 ,  程坦 ,  余豪 ,  朱坤坤 ,  蒋立宇

IPC: B25J9/16

Abstract: 本申请涉及机械臂控制技术领域，公开了一种移动机械臂的扰动补偿控制方法，包括根据移动机械臂的结构参数和运行参数，确定移动机械臂的移动平台运行时的分数阶模型；确定移动机械臂的移动平台运行时的集成扰动，并确定移动机械臂的移动平台运行时在有限数据集下的优化控制模型；根据集成扰动，确定移动机械臂的移动平台运行时的扰动观测模型，并确定扰动观测模型收敛时的扰动收敛估计值，将扰动收敛估计值应用至优化控制模型，得到移动机械臂的移动平台运行时的扰动补偿控制律；根据扰动补偿控制律，控制移动机械臂的移动平台的运行。本申请还提供了一种移动机械臂的扰动补偿控制装置。本申请提高了移动机械臂的控制稳定性和鲁棒性。

公开(公告)号：CN118570721A

公开(公告)日：2024-08-30

申请号：CN202410604969.3

申请日：2024-05-15

Applicant: 武汉纺织大学

Inventor： 李敏 ,  韩逸 ,  朱萍 ,  何儒汉 ,  胡新荣

IPC: G06V20/52 ,  G06V10/80 ,  G06V10/40

Abstract: 本发明涉及一种基于YOLOv8的轻量化烟火检测方法，本发明在YOLOv8n的基础上增加了第四小目标检测层，增强了对较小烟火目标的检测精度同时扩大了烟火目标的检测范围；利用GAM注意力机制的通道相关性和空间相关性，有效地解决复杂火灾场景中的背景干扰和区域关注不足等问题；同时引入Cross‑BiFPN特征融合网络，实现跨层级火灾图像特征交叉融合，利用全局特征解决了目标尺寸变化、目标遮挡、边界模糊或类似烟火目标的干扰；最后修改损失函数为EIoU，从位置信息、尺寸和长宽比三个方面综合评估烟火检测算法的性能，减少了大量参数的同时使预测框更准确。

公开(公告)号：CN112258269B

公开(公告)日：2024-05-28

申请号：CN202011116383.0

申请日：2020-10-19

Applicant: 武汉纺织大学

Inventor： 彭涛 ,  常源 ,  刘军平 ,  胡新荣 ,  何儒汉 ,  张俊杰 ,  张自力 ,  姜明华

IPC: G06Q30/0601 ,  G06V10/44 ,  G06N3/0464 ,  G06N3/0455 ,  G06T11/20

Abstract: 本发明提供了一种基于2D图像的虚拟试衣方法及装置，包括：获取参考人图像和目标衣服图像；根据由参考人图像中提取的粗糙身体形状图、姿势图及非试穿区域细节图合成参考人表示图；根据参考人表示图对目标衣服图像的像素进行扭曲得到第一扭曲衣服图像，及对目标衣服图像的特征进行扭曲得到第二扭曲衣服图像和预测扭曲衣服合成掩码；基于扭曲衣服合成掩码对第一扭曲衣服图像和第二扭曲衣服图像进行合成得到最终扭曲衣服图像；分别提取参考人表示图和最终扭曲衣服图像的特征得到初步试穿合成图像及预测试穿图像合成掩码；根据试穿图像合成掩码合成初步试穿合成图像和最终扭曲衣服图像得到最终的试穿合成图像，完成试衣，大大提升了试衣效果的真实性。

公开(公告)号：CN110825899B

公开(公告)日：2023-06-20

申请号：CN201910881793.5

申请日：2019-09-18

Applicant: 武汉纺织大学

Inventor： 何儒汉 ,  侯媛媛 ,  刘军平 ,  彭涛 ,  陈常念 ,  胡欣荣

IPC: G06F16/55 ,  G06F16/583

Abstract: 本发明属于图像检索技术领域，公开了一种融合颜色特征和残差网络深度特征的服装图像检索方法，将训练数据集输入到以ResNet50为基础的网络模型中；融合深层特征和颜色特征信息作为图像的全局特征表示；使用K‑Means算法对特征库中的向量进行聚类；将待检索的服装图片输入到与数据集相同的神经网络中，获取待查询服装图片的全局特征向量；依次计算聚类中心的向量与待检索图片向量间的距离，通过距离的比较来进行相似性度量，得到检索结果。实验结果显示，本发明能结合图片多种特征信息，检索效率高，时间开销小；提取的深层特征具有一定的有效性和层次性；具较强的鲁棒性和实用性，优于其它主流检索方法。

公开(公告)号：CN115329797A

公开(公告)日：2022-11-11

申请号：CN202210736498.2

申请日：2022-06-27

Applicant: 武汉纺织大学

Inventor： 张俊杰 ,  刘源浩 ,  袁桦 ,  陈君 ,  刘凯旋 ,  何儒汉 ,  彭涛

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种运动姿态识别模型构建方法和运动姿态识别方法。该运动姿态识别模型构建方法包括：获取分别与不同运动姿态对应的人体运动信号，其中，所述人体运动信号包括三维度加速度信号；对所述人体运动信号进行预处理，获得模型输入信号；基于所述模型输入信号对预设模型进行训练，获得运动姿态识别模型，所述运动姿态识别模型用于输出运动姿态分类结果，其中，所述预设模型包括依次设置的卷积网络、双向长短期记忆网络和注意力层。本发明的技术方案可以有效提高人体运动姿态识别的精度和效率。

公开(公告)号：CN115188019A

公开(公告)日：2022-10-14

申请号：CN202210469402.0

申请日：2022-04-28

Applicant: 武汉纺织大学

Inventor： 熊明福 ,  熊捷繁 ,  何儒汉

IPC: G06V40/10 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于多区域注意力关联的空间关系模型行人特征识别方法，属于特征提取技术领域，该识别方法具体步骤如下：(1)提取行人图像全局特征；(2)获取局部特征信息并进行数据增强；(3)对各组局部特征进行空间关联；(4)依据各组特征信息进行度量计算；本发明能够提取到人体更深层次的空间维度特征，在很大程度上抑制背景信息对于人体的干扰，有效的保证对行人重识别达到更好的效果。

公开(公告)号：CN111750992B

公开(公告)日：2022-10-14

申请号：CN202010501543.7

申请日：2020-06-04

Applicant: 武汉纺织大学

Inventor： 梁金星 ,  袁理 ,  胡新荣 ,  何儒汉 ,  吴晓堃 ,  何凯 ,  刘军平 ,  彭涛 ,  熊明福 ,  陈常念

IPC: G01J3/28

Abstract: 本发明的技术方案为一种基于自适应加权线性回归的光谱估计方法。本发明以线性化的伪逆求解算子为基础，利用齐次多项式对相机数字响应值进行扩展，利用Tikhonov正则化方法对方法进行正则化约束，首先建立基于全局训练模式的光谱估计方法，能够保证光谱估计矩阵在不同曝光水平下的单应性，并以此为基础，依据训练样本对光谱估计精度的影响机理，在求解光谱估计矩阵时进一步引入高斯加权方法，得到基于自适应加权训练模式的光谱估计方法，从而保证光谱估计矩阵的自适应求解，提高光谱估计精度。

公开(公告)号：CN114896860A

公开(公告)日：2022-08-12

申请号：CN202210318954.1

申请日：2022-03-29

Applicant: 武汉纺织大学

Inventor： 刘军平 ,  骆海瑞 ,  彭涛 ,  胡新荣 ,  何儒汉 ,  朱强 ,  张俊杰 ,  熊明福

IPC: G06F30/27 ,  G06N20/00 ,  G06N20/20 ,  G06N7/00

Abstract: 本发明公开了一种基于LightGBM和XGBoost组合模型的飞灰含碳量软测量方法，包括：1)清除DCS数据中明显错误值与使用数据挖掘技术提取稳态数据；2)在飞灰含碳量软测量中，利用特征工程中的相关矩阵与包装法解决冗余特征问题；3)将处理好的数据集结合LightGBM、XGBoost和贝叶斯优化(BO)算法进行飞灰含碳量预测建模，选出最优超参数，提高预测精度。4)使用序列最小二乘规划算法组合BO‑XGBoost和BO‑LightGBM模型。相比于一般的飞灰含碳量软测量模型，本发明提出了更细致和合理的特征处理方法，剔除了冗余特征，更有利于后续预测建模。采用序列二乘规划算法组合LightGBM、XGBoost模型，使得模型泛化能力更强，预测精度更高，同时在飞灰含碳量软测量任务中所取得的效果相比于传统的方法更好。

公开(公告)号：CN114066820A

公开(公告)日：2022-02-18

申请号：CN202111247671.4

申请日：2021-10-26

Applicant: 武汉纺织大学

Inventor： 李敏 ,  雷承霖 ,  王斌 ,  朱萍 ,  何儒汉 ,  胡新荣

IPC: G06T7/00 ,  G06N3/02 ,  G06V10/774 ,  G06V10/80 ,  G06K9/62

Abstract: 本发明涉及一种基于Swin‑Transformer与NAS‑FPN的织物疵点检测方法，主要有三个阶段：第一阶段，建立数据集，收集带有疵点的织物图像，人工标注疵点的位置和类型，并将数据集划分为训练集和测试集两个部分；第二阶段：训练模型，在训练集上，通过Swin‑Transformer模块提取输入图像特征，然后使用NAS‑FPN模块进行特征融合，将获得的特征通过RPN模块得到粗略的疵点位置框；第三阶段，通过对特征的处理得到最终织物疵点的位置和类型。本发明将Swin‑Transformer与NAS‑FPN相结合搭建的目标检测模型比通用的目标检测网络检测结果更加准确，特别是对于织物疵点更有针对性。