-
公开(公告)号：CN117576144B
公开(公告)日：2024-03-29
申请号：CN202410050728.9
申请日：2024-01-15
Applicant: 湖北工业大学
Abstract: 本发明提供了一种激光点云电力线提取方法、装置和电子设备，该方法包括：提取激光点云中的初始电力线点云，初始电力线点云中包含电力线和与其接近的非电力线部分；构建图割模型，从初始电力线点云中提取电力线点，确定图割模型的前景点，从初始电力线点云中提取非电力线点，确定图割模型的背景点，并根据电力线的线性特征确定所述图割模型的能量方程；以最小化所述能量方程为目标计算所述图割模型的最小割，基于最小割对初始电力线点云中的电力线和非电力线部分进行分割，确定目标电力线点云。本发明可以在复杂城市环境下对激光点云中的电力线进行有效提取。
-
公开(公告)号：CN115601542A
公开(公告)日：2023-01-13
申请号：CN202211229781.2
申请日：2022-10-08
Applicant: 湖北工业大学(CN)
Abstract: 本发明公开了一种基于全尺度密集连接的图像语义分割方法、系统及设备，首先对待分割图像进行预处理，将其切割或填充为预设大小；然后使用图像语义分割网络实现对待分割图像的语义分割；本发明的图像语义分割网络(UNet4+)通过全尺度和密集的跳跃连接，编码器中的每个节点从不同尺度的编码器接收中间聚合特征图，而解码器中的每个节点不仅从不同尺度的编码器和解码器接收中间聚合特征图，而且还从相同尺度的编码器接收中间聚合特征图。因此，解码器中的聚合层可以学习使用节点上的所有收集的特征图。本发明的UNet4+缓解了梯度消失的问题，这也使得网络中的信息流最大化；同时加强了网络中的特征传播；具备更紧凑的模型和极端的特征重用性。
-
公开(公告)号：CN115578339A
公开(公告)日：2023-01-06
申请号：CN202211208711.9
申请日：2022-09-30
Applicant: 湖北工业大学
IPC: G06T7/00 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种工业产品表面缺陷检测与定位方法、系统及设备，首先预处理待检测产品的原始外观图像为预设大小；然后使用语义分割网络实现对产品表面缺陷进行像素级定位；最后将原始外观图像以及语义分割网络的输出作为分类决策网络的输入，进行产品表面缺陷检测与定位；本发明通过利用一种基于两阶段架构的深度卷积网络的有效方法来解决数据样本需求问题，新的语义分割网络和分类决策网络的提出，适合从少量缺陷样本中学习，但仍然可以得到最优性能。
-
公开(公告)号：CN115601542B
公开(公告)日：2023-07-21
申请号：CN202211229781.2
申请日：2022-10-08
Applicant: 湖北工业大学
IPC: G06V10/26 , G06N3/0464 , G06N3/08 , G06V10/82
Abstract: 本发明公开了一种基于全尺度密集连接的图像语义分割方法、系统及设备，首先对待分割图像进行预处理，将其切割或填充为预设大小；然后使用图像语义分割网络实现对待分割图像的语义分割；本发明的图像语义分割网络(UNet4+)通过全尺度和密集的跳跃连接，编码器中的每个节点从不同尺度的编码器接收中间聚合特征图，而解码器中的每个节点不仅从不同尺度的编码器和解码器接收中间聚合特征图，而且还从相同尺度的编码器接收中间聚合特征图。因此，解码器中的聚合层可以学习使用节点上的所有收集的特征图。本发明的UNet4+缓解了梯度消失的问题，这也使得网络中的信息流最大化；同时加强了网络中的特征传播；具备更紧凑的模型和极端的特征重用性。
-
公开(公告)号：CN119919669A
公开(公告)日：2025-05-02
申请号：CN202510422118.1
申请日：2025-04-07
Applicant: 湖北工业大学
IPC: G06V10/26 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/0499 , G06N3/084
Abstract: 本发明涉及一种语义分割模型训练方法及装置，属于数字图像技术领域，该方法包括获取街道上的图像数据，设置初始语义分割模型；根据图像数据对初始语义分割模型进行训练，得到目标语义分割模型和输出结果；根据初始掩膜、伪标签和关键边缘区域集合进行权重计算，得到模型总损失；当模型总损失大于预设总损失阈值时，根据伪标签对图像数据进行扩充，并根据扩充之后的图像数据对目标语义分割模型进行训练，直至模型总损失不大于预设总损失阈值，确定模型训练完成；本发明提供了初始语义分割模型，可以对每张图像进行处理，无需手动对每张图像进行标记和处理；还可以对输出结果进行计算判断，保证了语义分割模型了准确率，减少了人工成本。
-
Patent Agency Ranking
公开(公告)号：CN119445208A
公开(公告)日：2025-02-14
申请号：CN202411448659.3
申请日：2024-10-17
Applicant: 湖北工业大学
IPC: G06V10/764 , G06V10/82 , G06N3/08 , G06N3/0455 , G06N3/0464
Abstract: 本发明提供顾及全局‑局部自注意力机制的机载点云分类方法及系统，所述方法包括：步骤1：选取ISPRS‑3D机载点云数据集；步骤2：对点云数据进行预处理；步骤3：基于点云数据构建边缘卷积网络，提取到点云的局部特征；步骤4：基于提取的点云的局部特征构建局部自注意力机制网络；步骤5：构建全局自注意力机制网络；步骤6：构建全局‑局部自注意力机制模块；步骤7：采用U‑net网络设计完成整体网络结构；步骤8：将待分类的机载激光点云测试数据输入训练好的整体网络结构中，得到每个点的类别标签。本发明针对机载点云大场景分类中存在的特征表达不足、样本类别不均衡的问题，创新性的提出一种整合边缘卷积的全局‑局部自注意力机制神经网络。
-
公开(公告)号：CN117576144A
公开(公告)日：2024-02-20
申请号：CN202410050728.9
申请日：2024-01-15
Applicant: 湖北工业大学
Abstract: 本发明提供了一种激光点云电力线提取方法、装置和电子设备，该方法包括：提取激光点云中的初始电力线点云，初始电力线点云中包含电力线和与其接近的非电力线部分；构建图割模型，从初始电力线点云中提取电力线点，确定图割模型的前景点，从初始电力线点云中提取非电力线点，确定图割模型的背景点，并根据电力线的线性特征确定所述图割模型的能量方程；以最小化所述能量方程为目标计算所述图割模型的最小割，基于最小割对初始电力线点云中的电力线和非电力线部分进行分割，确定目标电力线点云。本发明可以在复杂城市环境下对激光点云中的电力线进行有效提取。
-
公开(公告)号：CN117495884A
公开(公告)日：2024-02-02
申请号：CN202410003483.4
申请日：2024-01-02
Applicant: 湖北工业大学
IPC: G06T7/12 , G06T7/11 , G06T7/13 , G06V10/44 , G06V10/26 , G06T3/4007 , G06N3/0464
Abstract: 本发明公开了一种钢铁表面缺陷分割方法、装置、电子设备及存储介质，包括：获取待分割钢铁表面图像；将待分割钢铁表面图像输入到训练完备的钢铁缺陷分割网络中，逐级进行多级像素特征增强得到多级编码图像和编码特征图像，对多级编码图像和编码特征图像特征融合得到多级融合特征图像，对编码特征图像逐级进行像素特征增强、通道叠加多级融合特征图像和插值上采样操作得到多级解码图像和解码特征图像，对解码特征图像进行缺陷分割预测得到钢铁表面缺陷分割结果。综上，本发明通过像素特征增强捕获特征的全局空间关系，通过通道叠加多级融合特征图像捕获钢铁表面图像缺陷特征，实现对钢铁表面缺陷轮廓的清晰分割，得到准确的钢铁表面缺陷分割结果。
-
公开(公告)号：CN116843701A
公开(公告)日：2023-10-03
申请号：CN202310672472.0
申请日：2023-06-07
Applicant: 湖北工业大学
Abstract: 本发明提出了一种车载点云杆状物实例分割方法及计算机可读介质。本发明点云体素化，并确定体素属性；以体素为节点，连接体素的八邻域为边，体素中心点间的欧式距离为边权重，构建图割优化模型，得到能量函数最优化时的粗分割结果；利用自采集数据集来训练PointNet++网络模型，从中得到出原始输入点云的32维深度特征；在粗分割结果中找到粘连杆状地物连接区域，确定缓冲区域；以缓冲区域中的点为节点，k近邻内的点为邻域构建边，高维深度学习特征距离为边权重，构建图割优化模型，得到最终的精分割结果。本发明极大程度的保留点云边界信息，利用能量函数最小化来实现分割结果的全局最优化，且有效地实现粘连杆状地物精细化分割。
-
公开(公告)号：CN117495884B
公开(公告)日：2024-03-22
申请号：CN202410003483.4
申请日：2024-01-02
Applicant: 湖北工业大学
IPC: G06T7/12 , G06T7/11 , G06T7/13 , G06V10/44 , G06V10/26 , G06T3/4007 , G06N3/0464
Abstract: 本发明公开了一种钢铁表面缺陷分割方法、装置、电子设备及存储介质，包括：获取待分割钢铁表面图像；将待分割钢铁表面图像输入到训练完备的钢铁缺陷分割网络中，逐级进行多级像素特征增强得到多级编码图像和编码特征图像，对多级编码图像和编码特征图像特征融合得到多级融合特征图像，对编码特征图像逐级进行像素特征增强、通道叠加多级融合特征图像和插值上采样操作得到多级解码图像和解码特征图像，对解码特征图像进行缺陷分割预测得到钢铁表面缺陷分割结果。综上，本发明通过像素特征增强捕获特征的全局空间关系，通过通道叠加多级融合特征图像捕获钢铁表面图像缺陷特征，实现对钢铁表面缺陷轮廓的清晰分割，得到准确的钢铁表面缺陷分割结果。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.02 seconds)
