-
公开(公告)号：CN114419014B
公开(公告)日：2024-12-10
申请号：CN202210083931.7
申请日：2022-01-19
Applicant: 河北工业大学
Abstract: 本发明为基于特征重构的表面缺陷检测方法，首先利用缺陷生成器在正常图像上模拟生成缺陷图像；正常图像和缺陷图像分别输入到多尺度特征生成器中，分别提取正常图像对应的正常特征和缺陷图像对应的缺陷特征；然后，将缺陷特征作为自编码重构网络的输入，将正常特征作为自编码重构网络的重构目标，对缺陷特征进行重构，得到重构特征；最后，将缺陷特征和重构特征在通道维度上进行拼接，形成两通道的特征向量，拼接后的特征再输入到类孪生网络中，利用类孪生网络提取重构前后特征之间的差异进行缺陷检测，生成缺陷检测掩码图。该方法基于以正常特征为重构目标的特征重构网络，利用类孪生网络提取重构前后特征之间的差异，生成高质量的缺陷检测图像。
-
Patent Agency Ranking
公开(公告)号：CN113284185B
公开(公告)日：2022-03-15
申请号：CN202110666805.X
申请日：2021-06-16
Applicant: 河北工业大学
IPC: G06T7/73 , G06N3/04 , G06N3/08 , G06K9/62 , G06V10/764
Abstract: 本发明为一种用于遥感目标检测的旋转目标检测方法，该方法包括：第一步、获取遥感图像，得到遥感图像中目标外接矩形的位置信息，并对遥感图像进行归一化处理；第二步、利用深度学习网络进行目标检测，输出预测结果，预测结果为目标外接矩形的分类和位置信息；第三步、对预测结果进行解码，根据目标外接矩形的位置信息得到旋转目标。本发明提出了一种用于检测旋转目标的新回归方式，将旋转目标对应的倾斜矩形框的最小外接正矩形当作正框标注，通过检测正框和以其中心为圆心的圆与正框的交点与正框顶点之间的距离，得到旋转目标的倾斜矩形框标注，比起传统的检测角度信息，精度高。
-
公开(公告)号：CN114998760B
公开(公告)日：2024-09-13
申请号：CN202210614592.0
申请日：2022-05-30
Applicant: 河北工业大学
IPC: G06V20/13 , G06N3/0464 , G06N3/084 , G06V10/25 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开一种基于域适应的雷达图像船舶检测网络模型及检测方法，该船舶检测网络模型利用域适应领域的知识，实现了光学图像到雷达图像的知识迁移。利用傅里叶变换原理，生成伪雷达图像，端到端地实现光学图像到雷达图像的风格迁移，达到无需繁杂人工后处理的目。利用编码器结构，将特征分解为域相似特征和域不变特征。同时，为了使分解效果更加准确，使用风格迁移后的图片对齐域相似特征。通过以上方法解决两个域外观上相差过大的问题。本发明检测方法在一定程度上解决了雷达图像样本少、标注难的问题，实现了即使缺少雷达样本标注，也可以进行船舶检测。
-
公开(公告)号：CN114998760A
公开(公告)日：2022-09-02
申请号：CN202210614592.0
申请日：2022-05-30
Applicant: 河北工业大学
IPC: G06V20/13 , G06N3/04 , G06N3/08 , G06V10/25 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开一种基于域适应的雷达图像船舶检测网络模型及检测方法，该船舶检测网络模型利用域适应领域的知识，实现了光学图像到雷达图像的知识迁移。利用傅里叶变换原理，生成伪雷达图像，端到端地实现光学图像到雷达图像的风格迁移，达到无需繁杂人工后处理的目。利用编码器结构，将特征分解为域相似特征和域不变特征。同时，为了使分解效果更加准确，使用风格迁移后的图片对齐域相似特征。通过以上方法解决两个域外观上相差过大的问题。本发明检测方法在一定程度上解决了雷达图像样本少、标注难的问题，实现了即使缺少雷达样本标注，也可以进行船舶检测。
-
公开(公告)号：CN114419014A
公开(公告)日：2022-04-29
申请号：CN202210083931.7
申请日：2022-01-19
Applicant: 河北工业大学
Abstract: 本发明为基于特征重构的表面缺陷检测方法，首先利用缺陷生成器在正常图像上模拟生成缺陷图像；正常图像和缺陷图像分别输入到多尺度特征生成器中，分别提取正常图像对应的正常特征和缺陷图像对应的缺陷特征；然后，将缺陷特征作为自编码重构网络的输入，将正常特征作为自编码重构网络的重构目标，对缺陷特征进行重构，得到重构特征；最后，将缺陷特征和重构特征在通道维度上进行拼接，形成两通道的特征向量，拼接后的特征再输入到类孪生网络中，利用类孪生网络提取重构前后特征之间的差异进行缺陷检测，生成缺陷检测掩码图。该方法基于以正常特征为重构目标的特征重构网络，利用类孪生网络提取重构前后特征之间的差异，生成高质量的缺陷检测图像。
-
公开(公告)号：CN113284185A
公开(公告)日：2021-08-20
申请号：CN202110666805.X
申请日：2021-06-16
Applicant: 河北工业大学
Abstract: 本发明为一种用于遥感目标检测的旋转目标检测方法，该方法包括：第一步、获取遥感图像，得到遥感图像中目标外接矩形的位置信息，并对遥感图像进行归一化处理；第二步、利用深度学习网络进行目标检测，输出预测结果，预测结果为目标外接矩形的分类和位置信息；第三步、对预测结果进行解码，根据目标外接矩形的位置信息得到旋转目标。本发明提出了一种用于检测旋转目标的新回归方式，将旋转目标对应的倾斜矩形框的最小外接正矩形当作正框标注，通过检测正框和以其中心为圆心的圆与正框的交点与正框顶点之间的距离，得到旋转目标的倾斜矩形框标注，比起传统的检测角度信息，精度高。
-
-
-
-
-
Search Results
6
records
(took 0.02 seconds)
