-
公开(公告)号：CN117274345A
公开(公告)日：2023-12-22
申请号：CN202310238392.4
申请日：2023-03-14
申请人： 浙江工业大学 , 新凤鸣集团股份有限公司
IPC分类号： G06T7/49 , G06T7/00 , G06T7/66 , G06N3/0464
摘要： 本发明涉及一种基于深度学习的织物周期性纹理检测方法，用于自动检测织物的周期性纹理基元。具体为：先使用了倾角变换和非局部变分算法对输入织物图像进行校准，在检测过程中，将预处理的图片输入网络，经过卷积运算以及非最大值抑制算法后在每个特征层生成遵循特征规则的激活峰，进一步通过霍夫投票策略和质心坐标找到周期性纹理基元位置。本发明以深度学习技术为依据，对织物周期性纹理检测，替代了传统手工设计的关键点检测、特征提取和聚类，通过融合多个不同层次不同规模的激活达到捕获更高级别的像素及区域信息的作用，具有更强的通用性和鲁棒性。
-
公开(公告)号：CN116823716A
公开(公告)日：2023-09-29
申请号：CN202310373080.4
申请日：2023-04-10
申请人： 浙江工业大学 , 新凤鸣集团股份有限公司
IPC分类号： G06T7/00 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82
摘要： 本发明涉及工业缺陷检测技术领域，具体公开了一种织物表面缺陷的检测方法，本发明首先对织物缺陷图像作预处理，采用CSP_Darknet53网络模型做初始的特征提取，再采用DCSPPF模块以保留更多缺陷信息，最后采用DCPANet模块实现进一步的特征融合，得到三张大小不同的特征图送入三个检测头，输出织物图像缺陷的检测框；本发明能够检测出织物表面的各种缺陷，能够在一定程度上克服小目标缺陷信息的丢失，也对多尺度的缺陷信息有更好的鲁棒性，从而实现织物缺陷检测精度的提升，降低织物成本的损失，这对织物生产有重要的意义。
-
公开(公告)号：CN118570305A
公开(公告)日：2024-08-30
申请号：CN202410498485.5
申请日：2024-04-24
申请人： 浙江工业大学
摘要： 本发明涉及传感器外部参数标定技术领域，公开了一种雷视融合外参标定方法；获取的点云集合、获取单相机的图像中目标对象所在区域的最小外包围框、点云分割、提取点云边界点、获取图像中的边缘、初始化相机和激光雷达之间待标定的外参、算法进入迭代、获取迭代的所有#imgabs0#所在区域的最小外包围框、计算残差、计算代价值Cost、雅可比矩阵、更新参数向量、计算得到接受更差解的概率值P、达到指定的迭代次数Iter，最终获得的参数向量；通过使用本发明的方法对相机和激光雷达进行外参标定，它不需要依赖于特定的标定目标，可适用于大部分场景。
-
公开(公告)号：CN114021629B
公开(公告)日：2024-04-05
申请号：CN202111248749.4
申请日：2021-10-26
IPC分类号： G06V10/762 , G06F17/16 , G06V10/774
摘要： 本发明公开了一种基于均值动态时间规整的车辆轨迹运动模式提取方法。该方法先对原始轨迹进行初始化和重采样，获取重采样轨迹集合；根据重采样轨迹，计算基于均值动态时间规整的轨迹间距离；基于均值动态时间规整的轨迹间距离度量方法，并运用聚类算法进行聚类，得到聚类簇集合；最后为每个簇分别提取特征运动模式，得到特征运动模式集合。本发明通过采用限定的技术，可以准确地度量相似轨迹间距离，对长序列轨迹间距离度量更精准，适用于长序列轨迹的车辆行为分析，还可以从车辆轨迹数据集中提取特征运动模式；每一条提取的特征运动模式轨迹都可以直观地反映车辆的运动模式，更易于赋予运动模式语义赋予和可视化展示。
-
公开(公告)号：CN112733761B
公开(公告)日：2024-03-19
申请号：CN202110054577.0
申请日：2021-01-15
申请人： 浙江工业大学
摘要： 本发明公开了一种基于机器学习的人体状态匹配方法，包括：(1)样本集预处理；(2)Open Pose检测人体关键点；(3)训练样本集对齐；(4)建立人体标准姿态模型；(5)PCA分析降维；(6)训练SVM分类器，计算数据集中每个项的变形因子bC，计算出bC的阈值；(7)计算待验证的人体姿态形状的变形因子bC，如果bC值在阈值范围内，则待验证的姿态形状就是预定义的标准姿态，如果bC值超出阈值范围，则待验证的姿态形状不是标准姿态。利用本发明，可以快速的确定新姿态是否是预定义的标准姿态，匹配准确度高。
-
公开(公告)号：CN110543612B
公开(公告)日：2023-04-07
申请号：CN201910569622.9
申请日：2019-06-27
申请人： 浙江工业大学
摘要： 本发明公开了一种基于单目视觉测量实现集卡定位的方法，包括如下步骤：步骤1：测量得到集卡的实际高度h，单目相机相对于地面的高度H，根据实际场地大小定制一张正方形黑白格组成的标定板；步骤2：以步骤1中选取的图片建立待测地面的默认坐标系，步骤3：当集卡未装载集装箱时，依次对拍摄到的车端部图像进行灰度化、基于多结构元的形态学混合滤波和边缘检测；当集卡装载集装箱时使用Hog+SVM来识别图像中的集卡端部锁孔位置；步骤4：根据式(2)计算集卡停车位置误差b：步骤5：计算出集卡端部相对于停车线的实际距离以及集卡端部直线与停车线的相对角度，实现精确的集卡定位。本发明的有益效果为：成本低廉，能够快速准确地实现集卡定位。
-
公开(公告)号：CN111860442B
公开(公告)日：2022-11-11
申请号：CN202010762563.X
申请日：2020-07-31
申请人： 浙江工业大学
摘要： 本发明提出了一种基于时序特征共享结构的视频目标检测方法包括：通过在原有的神经网络结构中加入时序特征共享结构，完成时序特征共享神经网络构建；在网络训练时通过相邻帧共享的时序神经网络训练方法实现端到端的神经网络训练；利用已训练完成的时序特征共享网络实现准确快速的视频目标检测。本发明通过时序特征共享结构传递上一帧图像特征，实现准确的视频目标检测，并结合相邻帧共享的网络训练方法实现端到端的神经网络训练。
-
公开(公告)号：CN114241466A
公开(公告)日：2022-03-25
申请号：CN202111561438.3
申请日：2021-12-20
申请人： 浙江工业大学
IPC分类号： G06V20/62 , G06V30/146 , G06T7/62 , G06N3/04
摘要： 本发明涉及智能交通技术领域，具体是一种货车尾部放大号牌定位与识别的深度学习算法，本发明首先将包含货车尾部放大号牌的图片输入深度学习网络中进行定位，得到可能的放大号牌区域范围，然后对这些范围进行筛选，过滤，接着使用深度学习网络识别剩余区域中的字符，最后检查识别结果是否符合车牌号编码规则，当满足车牌号编码规则时，输出有效的放大号牌序列。
-
公开(公告)号：CN114240999A
公开(公告)日：2022-03-25
申请号：CN202111373469.6
申请日：2021-11-19
申请人： 浙江工业大学
摘要： 本发明公开了一种基于增强图注意力与时间卷积网络的运动预测方法，该方法通过聚合时空信息来估计人体未来的运动姿态，构建了增强的图注意力模块与重构的TCN模块，利用输入特征的通道间关系生成通道注意力图，并基于通道注意力图，分别使用局部和全局图注意力卷积网络，提取局部对称、局部连接和全局语义信息。重构的TCN可以有效地捕获复杂的、高动态的时间信息。最后进行通道压缩和维度合并处理得到后处理结果，并对原始时序人体骨架数据进行切割处理得到残差，将后处理结果与残差进行元素相加得到最终的预测结果。本发明可以有效地减少人体运动预测过程中姿态的不连续与误差的累计。
-
公开(公告)号：CN109255052B
公开(公告)日：2022-03-25
申请号：CN201810996825.1
申请日：2018-08-29
申请人： 浙江工业大学
摘要： 本发明提出的车辆检索方法，具体是一种基于多特征的三阶段车辆检索方法。该方法通过依次利用从粗到细的特征进行检索，从而找到与目标车辆最为相似的车辆集。首先，在第一阶段根据车辆颜色进行车辆筛选，筛选找到与目标检索车辆颜色一致的车辆集；然后，在第二阶段，再根据车辆车型特征进行筛选，找到与目标车辆车型相似度较高的车辆集；最后根据车辆区别于其他同车型的车辆特征进行检索，找到于目标车辆最为相似的车辆数据集。本发明的优势在于：多阶段检索的方式将检索问题细分为多个子问题，可以降低整体问题的解决难度，同时对于海量数据检索，利用从粗到细的特征分阶段进行检索可以有效提升检索的效率。
-
-
-
-
-
-
-
-
-
搜索结果
455 条记录 (耗时 0.111 秒)
