-
公开(公告)号:CN109635809B
公开(公告)日:2021-08-17
申请号:CN201811300689.4
申请日:2018-11-02
申请人: 浙江工业大学
摘要: 本发明公开了一种面向视觉退化图像的超像素分割方法,在RGB图像和对应的深度图像上各自预分割k个相同尺寸的正方形状的超像素,将该K个预分割超像素中心作为初始种子点,以初始种子点为中心划分初始矩形聚类区域,利用聚类区域的彩色边缘强度与深度边缘强度来为聚类区域分配颜色信息权重Qc与深度信息权重Qd,根据颜色距离Dc、深度距离Dd、空间距离Ds,以及颜色信息权重Qc与深度信息权重Qd,计算超像素聚类距离Dp,然后进行重新聚类并反复迭代收敛,根据收敛后的聚类区域生成超像素。本发明的方法显著地提高在视觉退化图像情况下超像素与物体的边缘贴合率。
-
公开(公告)号:CN116884239A
公开(公告)日:2023-10-13
申请号:CN202310791738.3
申请日:2023-06-29
申请人: 银江技术股份有限公司 , 浙江工业大学
IPC分类号: G08G1/07 , G06F30/27 , G06N3/045 , G06N3/0464 , G06N3/084 , G06Q50/26 , G08G1/081 , G08G1/017
摘要: 一种基于Double DQN和卷积神经网络的双交叉口交通信号控制方法,具体步骤如下:S1、将相邻的两个交叉口的车道进行分段,以路段为单位收集两个交叉口之间的路网车辆交通信息数据,同时收集路网图像信息数据Mk和路网信号灯相位信息数据Pk;S2、对步骤S1中的数据进行预处理,并将数据输入卷积神经网络中得到路网交通状态‑动作集{Sk,Pk},其中Sk为路网图像信息数据和车辆交通信息数据连接构成的路网交通状态向量,并搭建交通模拟平台的仿真模型;S3、利用路网交通状态‑动作集{Sk,Pk}和搭建的仿真模型训练Double DQN网络,并更新Double DQN网络中目标Q网络的参数;S4、根据训练得到的深度神经网络,该交叉口下一时刻所需的路网信号灯相位Pk+1。
-
公开(公告)号:CN118864444A
公开(公告)日:2024-10-29
申请号:CN202411151223.8
申请日:2024-08-21
申请人: 浙江工业大学
IPC分类号: G06T7/00 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
摘要: 一种基于改进YOLOV8的变压器台架设备表面缺陷检测方法,包括如下步骤:1)通过摄像头拍摄有缺陷的变压器台架设备视频、图像,对视频、图形进行预处理,并进行缺陷标注,形成数据集;2)构建基于改进yolov8的变压器台架设备表面缺陷检测模型,采用具有交叉尺度融合模块CCF的ReCross‑FPN结构替换颈部网络,通过高低尺度图之间更细致的融合提升上下文的信息交互能力,并引入P2层特征;改进检测头为Aux‑Head,在训练过程中添加辅助训练网络;3)采用训练好后的模型进行检测,实现变压器台架表面缺陷检测。本发明能够提高变压器台架设备表面检测精度和准确性,尤其对小目标缺陷类型。
-
公开(公告)号:CN116895158A
公开(公告)日:2023-10-17
申请号:CN202310797286.X
申请日:2023-06-29
申请人: 银江技术股份有限公司 , 浙江工业大学
IPC分类号: G08G1/07 , G08G1/081 , G06N3/0442 , G06N3/08 , G06F30/27
摘要: 一种基于多智能体Actor‑Critic和GRU的城市大路网交通信号控制方法,具体步骤如下:S1、对于城市大型交通路网,将每个交叉口视为多智能体Actor‑Critic网络中的一个Agent,将路网上同一交叉口的车辆数量组合成对应交叉口的车辆总数Lkj,k表示从训练开始的第k时刻,j=1,2,…,N,N为路网中交叉口的总数;同时记录k时刻该交叉口所有车辆的平均行驶速度Tkj和信号灯状态信息Akj;S2、数据预处理,删去不符合逻辑的异常卡口数据;S3、搭建路网模型,用于神经网络的训练平台;S4、将步骤S1中获取的路网实时交通信息组合成Actor‑Critic训练中的状态信息Skj和信号灯动作信息即信号灯状态信息Akj,进行Actor‑Critic训练;S5、最终得到的训练模型,根据各交叉口的交通信息和信号灯状态信息确定下一个状态的灯态。
-
公开(公告)号:CN109635809A
公开(公告)日:2019-04-16
申请号:CN201811300689.4
申请日:2018-11-02
申请人: 浙江工业大学
CPC分类号: G06K9/342 , G06K9/40 , G06K9/4652 , G06K9/6222 , G06T5/002 , G06T7/187 , G06T2207/20028
摘要: 本发明公开了一种面向视觉退化图像的超像素分割方法,在RGB图像和对应的深度图像上各自预分割k个相同尺寸的正方形状的超像素,将该K个预分割超像素中心作为初始种子点,以初始种子点为中心划分初始矩形聚类区域,利用聚类区域的彩色边缘强度与深度边缘强度来为聚类区域分配颜色信息权重Qc与深度信息权重Qd,根据颜色距离Dc、深度距离Dd、空间距离Ds,以及颜色信息权重Qc与深度信息权重Qd,计算超像素聚类距离Dp,然后进行重新聚类并反复迭代收敛,根据收敛后的聚类区域生成超像素。本发明的方法显著地提高在视觉退化图像情况下超像素与物体的边缘贴合率。
-
-
-
-