-
公开(公告)号：CN111597932A
公开(公告)日：2020-08-28
申请号：CN202010362466.1
申请日：2020-04-30
申请人： 汕头大学
摘要： 本发明涉及图像识别技术领域，具体涉及一种基于卷积神经网络的道路裂缝图像识别方法、装置及系统，所述方法为：首选采用U-Net模型搭建级联的全卷积神经网络，并在每个处理模块的最后一个卷积层的输出端加入注意力机制，得到第一神经网络模型，接着采用标定数据集对所述第一神经网络模型进行训练，将完成训练的第一神经网络模型中权重低于阈值的通道进行裁剪，并再次用标定数据集进行训练，得到道路裂缝识别模型，对待检测的道路图像逐帧读取，并输入到道路裂缝识别模型进行裂缝识别，标记出待检测的道路图像中的道路裂缝，本发明还相应的提供了道路裂缝图像识别装置及系统，本发明可以高效快速高精度进行裂缝图像识别。
-
公开(公告)号：CN112258486B
公开(公告)日：2023-04-07
申请号：CN202011172307.1
申请日：2020-10-28
申请人： 汕头大学
IPC分类号： G06T7/00 , G06T7/11 , G06N3/0464 , G06N3/08 , G06N3/126
摘要： 本发明提供基于进化神经架构搜索的眼底图像视网膜血管分割方法，以U型解码‑编码结构为骨干网络对其中模块的内部结构进行搜索和优化，从而为这些模块寻找到比人工设计更好和具有更低计算复杂度的结构和操作；本发明的神经网络模型能更有效地处理眼底图像的复杂情况，对复杂的眼底图像病灶、血管中心反光现象的干扰和光照不均衡现象的干扰具有较强的鲁棒性，能更准确地提取视网膜血管的特征，从而提高整张图像的分割准确率。既保证了架构的灵活性也提高了架构搜索的效率，并且改进了遗传算法中的交叉操作，提高了遗传算法的在架构搜索过程中的搜索能力，更有潜力应用于临床上的疾病诊断。
-
公开(公告)号：CN112257622B
公开(公告)日：2022-08-16
申请号：CN202011172312.2
申请日：2020-10-28
申请人： 汕头大学
摘要： 本发明提供一种基于遗传算法和U型神经网络的道路裂缝分割的方法，使用遗传算法对U型编‑解码结构的全卷积神经网络架构进行搜索以实现自动化设计，用于解决人工设计道路裂缝分割神经网络模型工作繁琐、工作量大以及所设计的模型较复杂和在复杂情况下对道路裂缝分割不精确的问题，能自动且精确地对道路裂缝进行分割；为这些模块寻找到比人工设计更好和具有更低计算复杂度的结构和操作，对复杂的道路表面图像裂缝、病害的不均匀性和光照不均衡现象的干扰具有较强的鲁棒性，能更准确地提取道路裂缝的特征，从而提高整张图像的分割准确率。
-
公开(公告)号：CN113001559A
公开(公告)日：2021-06-22
申请号：CN202110205771.4
申请日：2021-02-24
申请人： 汕头大学
摘要： 本发明公开了一种带压堵漏机器人自主漏点定位方法，通过摄像组件采集管道处的RGB图像和深度图像；将RGB图像和深度图像背景噪声滤除，得到去噪后的背景；通过训练好的YOLO v4模型对管道漏点进行识别，通过识别得到的管道漏点位置信息结合图像信息来粗略定位管道漏点的粗略三维位置；机器人上的机械臂基于上述的粗略三维位置，将携带有压力传感器的探针末端移动至漏点位置附近；通过对压力传感器所收集的压力数据，获知探针末端与管道的接触状态；通过循环修正对管道漏点的定位位置，指引机械臂将探针执行末端不断接近管道漏点，获得准确的管道漏点三维坐标位置。通过结合图像识别定位信息与压力信息来实现对复杂场景自动化管道漏点的精确定位。
-
公开(公告)号：CN112258486A
公开(公告)日：2021-01-22
申请号：CN202011172307.1
申请日：2020-10-28
申请人： 汕头大学
摘要： 本发明提供基于进化神经架构搜索的眼底图像视网膜血管分割方法，以U型解码‑编码结构为骨干网络对其中模块的内部结构进行搜索和优化，从而为这些模块寻找到比人工设计更好和具有更低计算复杂度的结构和操作；本发明的神经网络模型能更有效地处理眼底图像的复杂情况，对复杂的眼底图像病灶、血管中心反光现象的干扰和光照不均衡现象的干扰具有较强的鲁棒性，能更准确地提取视网膜血管的特征，从而提高整张图像的分割准确率。既保证了架构的灵活性也提高了架构搜索的效率，并且改进了遗传算法中的交叉操作，提高了遗传算法的在架构搜索过程中的搜索能力，更有潜力应用于临床上的疾病诊断。
-
公开(公告)号：CN111127449B
公开(公告)日：2023-06-02
申请号：CN201911370791.6
申请日：2019-12-25
申请人： 汕头大学
IPC分类号： G06T7/00
摘要： 本发明实施例公开了一种基于编码器－解码器的自动化裂缝检测方法，所述方法包括：创建基于深度学习的道路裂缝图像的训练集和测试集；创建包含编码器、解码器、空洞卷积模块和分层特征提取模块的深度卷积神经网络；利用训练集和测试集训练深度卷积深度神经网络；将深度卷积神经网络中分层特征提取模块的结果叠加，并输出裂缝图像。本发明方法具有检测过程简单，检测效率高，劳动强度低，便于携带，可操作性强等优点。
-
公开(公告)号：CN112785578A
公开(公告)日：2021-05-11
申请号：CN202110102284.5
申请日：2021-01-26
申请人： 汕头大学
摘要： 本发明公开了一种基于U型编码解码器神经网络的道路裂缝检测方法及系统，所述检测方法包括：获取初始道路裂缝数据集，对初始道路裂缝数据集扩展处理，得到第一道路裂缝数据集；构建U型编码解码器神经网络，U型编码解码器神经网络包括1组注意力模型层数加深模块；使用第二道路裂缝数据集验证所述训练好的U型编码解码器神经网络，得到验证通过后的最终U型编码解码器神经网络；将最终U型编码解码器神经网络嵌入到移动设备，进行道路裂缝的实际检测。在U‑Net网络的编解码器神经网络基础上加入注意力模型层数加深模块，用于道路裂缝的检测，减少了模型参数，进而减少模型处理图像的时间，便于嵌入到移动设备进行实时道路裂缝检测。
-
公开(公告)号：CN112257622A
公开(公告)日：2021-01-22
申请号：CN202011172312.2
申请日：2020-10-28
申请人： 汕头大学
摘要： 本发明提供一种基于遗传算法和U型神经网络的道路裂缝分割的方法，使用遗传算法对U型编‑解码结构的全卷积神经网络架构进行搜索以实现自动化设计，用于解决人工设计道路裂缝分割神经网络模型工作繁琐、工作量大以及所设计的模型较复杂和在复杂情况下对道路裂缝分割不精确的问题，能自动且精确地对道路裂缝进行分割；为这些模块寻找到比人工设计更好和具有更低计算复杂度的结构和操作，对复杂的道路表面图像裂缝、病害的不均匀性和光照不均衡现象的干扰具有较强的鲁棒性，能更准确地提取道路裂缝的特征，从而提高整张图像的分割准确率。
-
公开(公告)号：CN111127449A
公开(公告)日：2020-05-08
申请号：CN201911370791.6
申请日：2019-12-25
申请人： 汕头大学
IPC分类号： G06T7/00
摘要： 本发明实施例公开了一种基于编码器－解码器的自动化裂缝检测方法，所述方法包括：创建基于深度学习的道路裂缝图像的训练集和测试集；创建包含编码器、解码器、空洞卷积模块和分层特征提取模块的深度卷积神经网络；利用训练集和测试集训练深度卷积深度神经网络；将深度卷积神经网络中分层特征提取模块的结果叠加，并输出裂缝图像。本发明方法具有检测过程简单，检测效率高，劳动强度低，便于携带，可操作性强等优点。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.021 秒)
