-
公开(公告)号:CN117115006A
公开(公告)日:2023-11-24
申请号:CN202310685864.0
申请日:2023-06-09
申请人: 长安大学
IPC分类号: G06T5/00 , G06T3/40 , G06N3/0442 , G06N3/0464 , G06N3/08
摘要: 本申请涉及一种基于改进卷积长短时记忆网络的雨天图像容错模型,包括:特征提取模块和区域特征增强模块;所述特征提取模块用于提取雨天图像的雨纹特征并对重点关注区域进行高效学习,输出特征图,所述区域特征增强模块基于所述特征图捕获不同尺度的雨滴信息并去除,输出去雨后的图像;本申请可以捕获不同尺度的雨条纹,在去除基本的雨线的同时保护了图像重要的细节纹理和背景信息,从而得到颜色饱和质量更高的无雨图像,使得恢复的图像更干净,视觉效果更好。
-
公开(公告)号:CN116665171A
公开(公告)日:2023-08-29
申请号:CN202310680846.3
申请日:2023-06-09
申请人: 长安大学
IPC分类号: G06V20/56 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/08
摘要: 本申请涉及一种基于RSUNet的道路病害检测方法,构建基于RSUNet的道路病害检测模型,该模型包括CNN编码器、CNN解码器和swin transformer模块,能够进行裂缝的自动检测,减少人力物力的使用,加快道路裂缝检测的进程;另一方面,该模型能够同时针对多种道路场景,对大多数病害能够准确识别,将训练好的模型权重保存后,直接可对待检测图像进行批量检测。
-
公开(公告)号:CN116563691A
公开(公告)日:2023-08-08
申请号:CN202310503910.0
申请日:2023-05-06
申请人: 长安大学
IPC分类号: G06V20/00 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464
摘要: 本发明公开了一种基于TransUnet模型的道路病害检测方法,涉及深度学习技术领域,该方法包括以下步骤:获取待检测道路图像;将待检测道路图像输入至TransUnet模型中,输出分割图像;根据分割图像确定道路病害区域。本发明的TransUnet模型以Unet网络为框架,融合了CNN层以及多个transformer层。在encoder结构上运用了transformer的encoder结构,在上采样过程加入CNN从而获取较多的局部信息,能够在较小数据集中表现出较优的表现,在缺乏数据集的情况下本发明方法就具有较大的优势,且本发明对较小裂缝的识别具有较好的效果。
-
公开(公告)号:CN116823638A
公开(公告)日:2023-09-29
申请号:CN202310535330.X
申请日:2023-05-12
申请人: 长安大学
IPC分类号: G06T5/00 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/0475 , G06N3/09 , G06N3/094 , G06V10/80 , G06V10/82
摘要: 本发明公开了一种基于改进GAN的图像去雾方法,涉及图像去雾技术领域,包括以下步骤:获取有雾图像;将有雾图像输入至基于改进GAN的生成器网络模型,输出去雾图像。本发明采用生成对抗网络为基本框架,在生成器中加入融合注意力的残差模块和联系上下文的去雾模块,并且使用改进PatchGAN判别器网络结构实现对生成器生成图像的监督。使得去雾图像整体清晰,易于观察,图像色彩饱满与真实图像更为接近。
-
-
-