-
公开(公告)号：CN118037585A
公开(公告)日：2024-05-14
申请号：CN202410047010.4
申请日：2024-01-12
申请人： 湖北工业大学
IPC分类号： G06T5/73 , G06T5/80 , G06V10/774 , G06V10/82 , G06V10/80
摘要： 本申请具体涉及一种端到端的图像去雾方法、装置及介质。方法包括：S10、以训练样本集的有雾图像作为输入，去雾图像作为输出，构建网络去雾模型；S20、对有雾图像进行多尺度特征提取，获取第一特征图像；同时通过分辨率降低后的有雾图像进行下采样特征提取，获取第二特征图像；S30、分别对第一特征图像和第二特征图像的多尺度特征与风格特征进行针对性强化；S40、将强化后的第一特征图像和第二特征图像聚合，获取去雾图像；S50、根据训练样本集的无雾图像，对去雾图像的去雾效果进行评测，优化网络去雾模型的参数，训练至网络去雾模型稳定；S60、将获取的真实图像输入网络去雾模型，获取图像输出。本申请具备去雾较彻底、失真及丢失率小等优点。
-
公开(公告)号：CN117422988A
公开(公告)日：2024-01-19
申请号：CN202311168734.6
申请日：2023-09-11
申请人： 湖北工业大学
摘要： 本申请涉及图像识别技术领域，具体涉及一种低空目标图像自动标注方法、装置及终端和存储介质，本申请提供的一种低空目标图像自动标注方法包括以下步骤：根据所述终端的图像捕捉设备的捕捉操作获取原始图像信息；将所述原始图像信息输入目标标注网络模型获取低空目标图像的标注结果，其中，所述目标标注网络模型为根据多个数据集样本以及多个数据集样本对应的低空目标图像标注结果，训练获取的模型；所述目标标注网络模型包括：骨干网络、特征分离模块、信息聚合模块、分区上下文模块和检测网络。基于本申请提供的方法、装置等，至少具有模型配合度高、自动标注精确等优点。
-
公开(公告)号：CN116309545A
公开(公告)日：2023-06-23
申请号：CN202310519430.3
申请日：2023-05-10
申请人： 湖北工业大学
IPC分类号： G06T7/00 , G06T7/12 , G06N3/08 , G06N3/0464
摘要： 本发明公开了一种面向医学显微图像的单阶段细胞核实例分割方法。本发明采用ResNet联合FPN结构作为特征提取网络并将金字塔拆分注意力模块嵌入到骨干网络中用来提高模型更细粒度的多尺度特征表示能力，以学习更丰富的多尺度特征空间信息；提出了扩张卷积聚合模块大大提高了网络的感受野和捕获多尺度上下文信息的能力；提出了上下文信息聚合模块为网络提供多尺度空间上下文信息来减少信道中的信息丢失。此外，本发明采用了一种新的分布排名（DR）损失函数，可以有效缓解目标与背景之间的不平衡。本发明实施例的医学图像分割方法提高了实例分割性能，尤其对密集小目标和粘连目标的分割性能有显著提升。
-
公开(公告)号：CN117523426A
公开(公告)日：2024-02-06
申请号：CN202311448579.3
申请日：2023-11-02
申请人： 湖北工业大学
摘要： 本发明提供了一种融合特征金字塔的低空目标检测算法，包括如下步骤：S1：使用采集的视频段进行低空目标数据集的搭建，所述数据集包括训练集和测试集；S2：采用Swin Transformer骨干网络中加入特征融合结构，构建融合特征金字塔的低空目标检测网络模型；S3：使用训练集图像对融合特征金字塔的低空目标网络模型进行训练；S4：使用步骤S3中训练好的融合特征金字塔的低空目标网络模型对测试集图像进行检测，得到图像目标检测结果。本发明采用Swin Transformer骨干网络，在提高检测精度的同时，基本保证了检测实时性；相对于SSD算法改善了背景干扰带来的漏检、错检问题，对小目标的检测能力得到了提升。
-
-
-
搜索结果
4 条记录 (耗时 0.025 秒)
