-
公开(公告)号：CN112561982A
公开(公告)日：2021-03-26
申请号：CN202011534032.1
申请日：2020-12-22
Applicant: 电子科技大学中山学院
Abstract: 本发明公开了一种基于VGG‑16的高精度光斑中心检测方法，是通过获取标注激光光斑图后制作光斑数据集，以光斑数据集将光斑中心检测神经网络训练收敛为光斑中心检测模型，将需要进行中心检测的待测光斑图输入至光斑中心检测模型内以获取归一化坐标，最终测算出待测光斑图的中心坐标位置，整个方法的实现与应用都极为便捷有效，能快速地对光斑图进行高精度的光斑中心检测，且具有抗干扰性强、普适性高的优点。
-
公开(公告)号：CN112435271B
公开(公告)日：2023-06-20
申请号：CN202011391635.0
申请日：2020-12-02
Applicant: 电子科技大学中山学院
IPC: G06T7/12
Abstract: 本发明公开了一种应用于激光光斑质量测量的灼烧轮廓分割方法，包括制作灼烧光敏纸数据集，对灼烧光敏纸数据集进行标注和数据增强，基于DeepLabV3+构建灼烧轮廓分割神经网络后，将其训练为灼烧轮廓分割模型，完成测试后的灼烧轮廓分割模型能直接对测量图片进行精确、可靠的轮廓分割，且具有鲁棒性高、成本低、通用普适性强的优点，极为适用和有利于测量判断激光光束质量的好坏。
-
公开(公告)号：CN112561897A
公开(公告)日：2021-03-26
申请号：CN202011530193.3
申请日：2020-12-22
Applicant: 电子科技大学中山学院
Abstract: 本发明公开了一种基于U‑Net的光子晶体光纤端面结构提取方法，是在不同场景因素下获取光子晶体光纤端面图像，对光纤端面图像进行标注和数据增强后制作为端面数据集，端面数据集将构建好的光纤端面提取神经网络训练收敛为光纤端面提取模型，再对实际的光子晶体光纤进行拍摄，形成待提取端面图像并导入光纤端面提取模型，能极为快速便捷地获取纤端面提取模型输出的光子晶体光纤端面结构特征，可用于模拟光纤的实际传输特性，且不受光纤端面拍摄效果的影响，具有极高的抗干扰能力和泛化能力。
-
公开(公告)号：CN112434749A
公开(公告)日：2021-03-02
申请号：CN202011395502.0
申请日：2020-12-02
Applicant: 电子科技大学中山学院
Abstract: 本发明公开了一种基于U‑Net的多模光纤散斑图重建与识别方法，通过制作的数据集对构建的散斑重建识别神经网络进行训练和测试，形成散斑重建识别模型，训练测试后的散斑重建识别模型能快速地对散斑图进行有效准确地识别，在尽可能保留散斑图的空间信息下，构成重建图像，并获取到散斑图的类别信息，具有识别率高、操作便捷有效的优点。
-
公开(公告)号：CN112560732B
公开(公告)日：2023-07-04
申请号：CN202011530198.6
申请日：2020-12-22
Applicant: 电子科技大学中山学院
IPC: G06V20/40 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/80
Abstract: 本发明公开了一种多尺度特征提取网络的特征提取方法，包括依次相连的降维卷积层、尺度特征提取层、合并层和特征融合层，尺度特征提取层包括大目标检测分支、原始特征检测分支和小目标检测分支，能提取不同尺度的特征，再通过特征融合层进行特征融合，令多尺度特征提取网络具有多尺度特征提取能力的同时计算复杂度低，需要进行多尺度特征提取时能即时应用本特征提取网络，提升目标检测精度，而该多尺度特征提取网络的特征提取方法能对输入的待提取特征图进行特征降维、分目标检测以及核心的多尺度特征提取，能快速获取尺度特征提取图，且具有目标检测精度高、运算量少的优点。
-
Patent Agency Ranking
公开(公告)号：CN112560732A
公开(公告)日：2021-03-26
申请号：CN202011530198.6
申请日：2020-12-22
Applicant: 电子科技大学中山学院
Abstract: 本发明公开了一种多尺度特征提取网络，包括依次相连的降维卷积层、尺度特征提取层、合并层和特征融合层，尺度特征提取层包括大目标检测分支、原始特征检测分支和小目标检测分支，能提取不同尺度的特征，再通过特征融合层进行特征融合，令多尺度特征提取网络具有多尺度特征提取能力的同时计算复杂度低，需要进行多尺度特征提取时能即时应用本特征提取网络，提升目标检测精度，而该多尺度特征提取网络的特征提取方法能对输入的待提取特征图进行特征降维、分目标检测以及核心的多尺度特征提取，能快速获取尺度特征提取图，且具有目标检测精度高、运算量少的优点。
-
公开(公告)号：CN112485218A
公开(公告)日：2021-03-12
申请号：CN202011226175.6
申请日：2020-11-05
Applicant: 电子科技大学中山学院
IPC: G01N21/3586 , G01N21/3577 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于人工神经网络的太赫兹危险液体识别方法，通过太赫兹时域光谱仪对不同属性的液体采集出液体时域信号，进行数据预处理后训练得到危险液体识别模型，可在实际中利用太赫兹时域光谱对待测液体进行快速地识别检测，并得出检测结果，太赫兹对不同液体具有不同的波段响应，且对人体无害，极为有效地反映出液体属性，结合神经网络的高提取能力特征，能快速地对检测液体进行属性判别，识别准确以及可靠性高，非常适用于对易燃易爆的液体进行检测。
-
公开(公告)号：CN112446335A
公开(公告)日：2021-03-05
申请号：CN202011395496.9
申请日：2020-12-02
Applicant: 电子科技大学中山学院
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08 , G01N21/3581
Abstract: 本发明公开了一种基于深度学习的太赫兹违禁物品检测方法，包括制作形成太赫兹数据集，对太赫兹数据集的太赫兹成像图和标注成像图进行数据增强后，构建违禁物检测神经网络并将其训练为违禁物检测模型，再对违禁物检测模型进行迭代训练后可直接应用于实际场景，将实时太赫兹采集成像的实时成像图输入至违禁物检测模型内，即可快速便捷地检测实时成像图存在的违禁物品，检测精度高，且无需标注大量目标进行模型训练。
-
公开(公告)号：CN112561898A
公开(公告)日：2021-03-26
申请号：CN202011534031.7
申请日：2020-12-22
Applicant: 电子科技大学中山学院
Abstract: 本发明公开了一种基于卷积神经网络的光纤传感器光斑分析方法，是通过光纤传感器获取各类的光斑对应图以制作光斑数据集，并以光斑数据集训练光纤光斑分析神经网络，将光纤光斑分析神经网络训练收敛为光纤光斑分析模型，只需将待分析的光斑分析图输入光纤光斑分析模型便可获取分析回归值，预测分析光斑分析图的压力、温度和位移，依赖卷积神经网络强大的特征提取能力建立光纤输出光斑与压力、温度、位移变化的映射关系，可根据光斑准确预测压力、温度、位移的变化值，实现定量分析，极为快速便捷，且具有客观、预测精度高、抗干扰能力强的优点。
-
公开(公告)号：CN112435271A
公开(公告)日：2021-03-02
申请号：CN202011391635.0
申请日：2020-12-02
Applicant: 电子科技大学中山学院
IPC: G06T7/12
Abstract: 本发明公开了一种应用于激光光斑质量测量的灼烧轮廓分割方法，包括制作灼烧光敏纸数据集，对灼烧光敏纸数据集进行标注和数据增强，基于DeepLabV3+构建灼烧轮廓分割神经网络后，将其训练为灼烧轮廓分割模型，完成测试后的灼烧轮廓分割模型能直接对测量图片进行精确、可靠的轮廓分割，且具有鲁棒性高、成本低、通用普适性强的优点，极为适用和有利于测量判断激光光束质量的好坏。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.031 seconds)
