-
公开(公告)号：CN114494055A
公开(公告)日：2022-05-13
申请号：CN202210062731.3
申请日：2022-01-19
申请人： 西安交通大学
摘要： 基于循环神经网络的鬼成像方法、系统、设备及存储介质，方法包括：将一套随机散斑序列与训练集内的目标作用，使每个目标得到相应的桶探测信号序列；将每个目标的桶探测信号序列与相应的随机散斑序列进行拼接处理，得到探测序列；将训练集内的真实目标作为循环神经网络的训练目标，利用真实目标对应的探测序列作为第一网络输入序列训练循环神经网络，获取训练好的循环神经网络；使用训练循环神经网络时的同一套随机散斑对目标区域进行探测，并将随机散斑与桶探测信号序列经过拼接处理得到第二网络输入序列；将第二网络输入序列输入训练好的循环神经网络中，输出目标图像。本发明可以在低采样率下利用循环神经网络快速输出高分辨率的目标图像。
-
公开(公告)号：CN114494055B
公开(公告)日：2024-02-06
申请号：CN202210062731.3
申请日：2022-01-19
申请人： 西安交通大学
IPC分类号： G06T5/00 , G06N3/044 , G06N3/0442
摘要： 基于循环神经网络的鬼成像方法、系统、设备及存储介质，方法包括：将一套随机散斑序列与训练集内的目标作用，使每个目标得到相应的桶探测信号序列；将每个目标的桶探测信号序列与相应的随机散斑序列进行拼接处理，得到探测序列；将训练集内的真实目标作为循环神经网络的训练目标，利用真实目标对应的探测序列作为第一网络输入序列训练循环神经网络，获取训练好的循环神经网络；使用训练循环神经网络时的同一套随机散斑对目标区域进行探测，并将随机散斑与桶探测信号序列经过拼接处理得到第二网络输入序列；将第二网络输入序列输入训练好的循环神经网络中，输出目标图像。本发明可以在低采样率下利用循环神经网络快速输出高分辨率的目标图像。
-
公开(公告)号：CN115170528A
公开(公告)日：2022-10-11
申请号：CN202210849020.0
申请日：2022-07-19
摘要： 本发明公开了一种路面缺陷检测方法、系统、设备及存储介质，包括：获取若干历史路面图像数据，构建预训练样本；构建路面检测模型；所述路面检测模型包括骨干网络及分类器网络；基于优化后的自监督学习算法，利用预训练样本，对路面检测模型中的骨干网络进行预训练，得到预训练后路面检测模型；在预训练样本中随机获取部分样本数据，并对部分样本数据进行缺陷标注，得到微调训练样本；并对预训练后路面检测模型中的骨干网络和分类器网络的参数进行微调处理，得到训练后的路面缺陷检测模型；将待检测路面图像输入至训练后的路面缺陷检测模型中，输出结果，即得到所述的路面缺陷检测结果；本发明减小了路面缺陷检测模型的训练数据量，提高检测精度。
-
公开(公告)号：CN113706408A
公开(公告)日：2021-11-26
申请号：CN202110921368.1
申请日：2021-08-11
申请人： 西安交通大学
摘要： 一种基于降噪卷积神经网络的鬼成像去噪方法及设备，去噪方法包括以下步骤：根据训练数据集图像的大小和采样率大小随机生成一组二维随机矩阵作为固定散斑；利用固定散斑与训练数据集中的每张图像进行鬼成像仿真，并获取包含噪声的数据集，通过包含噪声的数据集对降噪卷积神经网络进行训练；采用残差学习法通过降噪卷积神经网络预测包含噪声的图像；将待成像目标使用同一组固定散斑和鬼成像方法得到实际包含噪声的图像，将该实际包含噪声的图像输入到训练好的降噪卷积神经网络得到预测的噪声图像；使预测的包含噪声的图像与预测的噪声图像对应像素相减得到降噪后清晰的目标图像。本发明适用范围广，具有较强的泛化能力和去噪能力。
-
-
-
搜索结果
4 条记录 (耗时 0.02 秒)
