-
公开(公告)号：CN115239956A
公开(公告)日：2022-10-25
申请号：CN202210831979.1
申请日：2022-07-14
Applicant: 襄阳湖北工业大学产业研究院 , 湖北工业大学
Abstract: 本发明公开了一种基于注意力解码网络的航拍图像实时语义分割方法，包括：准备训练、测试用的图像数据集；构建基于注意力解码网络的航拍图像实时语义分割网络，以MobileNetV2为编码器，以两个交叉注意力混合模块CAF1、CAF2和金字塔注意力模块PAM构成专注解码器；使用训练好的网络模型得到航拍图像语义分割结果。本发明采用MobileNetV2为骨干网络提高了语义分割的实时性推理速度，提出交叉注意力混合机制解决了轮廓信息缺失的问题，提出金字塔注意力模块消除了卷积神经网络无法捕获长范围语义信息的局限性。
-
公开(公告)号：CN113568727B
公开(公告)日：2024-05-10
申请号：CN202110835323.2
申请日：2021-07-23
Applicant: 湖北工业大学
Abstract: 本发明提供了一种基于深度强化学习的移动边缘计算任务分配方法，旨在将深度强化学习策略引入到移动边缘计算任务分配，以期实现移动边缘计算任务的智能分配。首先，考虑到用户设备的计算能力和能量容量有限，本专利提出多边缘云协作移动边缘计算系统模型。其次，通过联合设计多边缘云的计算任务分配和计算资源管理，建立延迟和能量消耗的总和最小化的任务分配优化问题模型。再次，为了解决上述非凸优化任务分配问题，将移动边缘计算任务分配问题建模为马尔可夫决策过程。最后，针对上述马尔可夫决策过程中高维连续动作空间特点，提出双延迟深度确定性策略梯度算法，以获得多边缘云的计算任务分配和计算资源管理的近似最优联合策略。
-
公开(公告)号：CN110796010B
公开(公告)日：2023-06-06
申请号：CN201910931461.3
申请日：2019-09-29
Applicant: 湖北工业大学
Abstract: 本发明公开了一种结合光流法和卡尔曼滤波的视频稳像方法，首先在预稳定阶段，通过光流法跟踪视频帧的最小特征值特征点，由此求解出每个视频帧的2D仿射变换矩阵，并将其作用于下一步输入视频的帧，从而将最终生成的裁剪视频作为预稳定阶段的输出。然后对预稳定视频帧进行Shi‑Tomasi角点检测，并对角点进行LK角点跟踪；随后利用RANSAC算法估计全局运动；再使用卡尔曼滤波器对得到的运动参数进行滤波，以达到平滑的目的；最后由原始相机路径与平滑路径的关系进行运动补偿，从而得到稳定视频；本发明采用光流法预稳定视频，使得视频内部运动减小，使得运动效果更好；本发明采用卡尔曼滤波器平滑相机路径，使得内部运动路径更加平滑。从而使得抖动视频更加稳定。
-
公开(公告)号：CN110084862B
公开(公告)日：2022-11-15
申请号：CN201910271763.2
申请日：2019-04-04
Applicant: 湖北工业大学
IPC: G06T9/00
Abstract: 本发明公开了一种基于多尺度小波变换与深度学习的图像压缩感知算法，包括图像采集阶段，利用卷积层采样，得到的采样向量；初始重建阶段，采用Reshape操作初始重建向量中每1×1×B2重排为B×B的图像块；深度重建阶段，采用4个残差块来深度重建图像，通过中的初始重建图像块向量作为输入，输出大小为的深度重建图像；在得到深度重建图像块后，将图像块重排，最终得到重建图像，本发明在采样阶段，用卷积神经网络进行采样，提高采样效率；在重建端，利用卷积神经网络进行初始重建，进而利用残差网进行深度重建，并且本发明使用多个网络进行重建，显著提高重建性能；使用残差网在增加网络深度的同时，依然能保持高效的训练效果，进而获得更优的重建效果。
-
公开(公告)号：CN109961051B
公开(公告)日：2022-11-15
申请号：CN201910243050.5
申请日：2019-03-28
Applicant: 湖北工业大学
IPC: G06V40/10 , G06V10/44 , G06V10/762
Abstract: 本发明公开了一种基于聚类和分块特征提取的行人重识别方法，(1)通过K‑means对图像进行聚类，将聚类的图像分别输入DCGAN网络中，分别生成图像，对原始训练集进行扩充；(2)在深度学习中，通过分块特征提取对真实数据和生成的没有标签的数据进行特征提取，同时采用发明的聚类标注平滑归一化损失函数(CLS)对数据标签化训练，测试时采用重排(Re‑ranking)进一步提升行人重识别效果。本发明联合了聚类标注平滑归一化损失函数以及分块特征提取方法，解决了行人重识别训练数据有限以及标签分配问题，同时通过分块的方式提取了图像的有效特征。
-
Patent Agency Ranking
公开(公告)号：CN112215750A
公开(公告)日：2021-01-12
申请号：CN202010961451.7
申请日：2020-09-14
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于RGB‑D数据的三维重建方法，包括如下方法步骤：S1、利用Kinect摄像头获取原始数据；S2、对获取的原始数据进行预处理；S3、引入非均匀B样条插值，对原始图像进行超分辨率重建；S4、对Kinect摄像头获取的RGB‑D数据进行校准；S5、对处理后的RGB‑D数据进行三角面片划分；S6、利用数学公式对系统过每个点及其领域的所有的面进行运算，进行克莱姆法则运算得到法线向量获取法向图；S7、输出重建后的三维模型。本发明三维重建算法可以快速的完成三维模型的重建，极大的提高三维重建速度，提升处理的效率。
-
-
公开(公告)号：CN110796026A
公开(公告)日：2020-02-14
申请号：CN201910958532.9
申请日：2019-10-10
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于全局特征拼接的行人重识别方法，从空间维度提升网络性能。首先利用SE-ResNeXt50网络作为骨干网络提取行人图像特征；然后把不同卷积层提取的特征进行拼接，使特征信息互补；最后将拼接后的特征再次进行卷积处理，获得高细粒度的特征；所引入的聚类损失函数不同于目前常用的三元组损失函数，并且首次将聚类损失函数和交叉熵损失函数联合训练模型；本发明的识别效果在Market1501数据集上，Rank-1、mAP两个评价指标分别达到了95.9％和94.6％，是目前识别效果较高的，并且网络结构简单，计算量小。
-
公开(公告)号：CN109961051A
公开(公告)日：2019-07-02
申请号：CN201910243050.5
申请日：2019-03-28
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于聚类和分块特征提取的行人重识别方法，(1)通过K‑means对图像进行聚类，将聚类的图像分别输入DCGAN网络中，分别生成图像，对原始训练集进行扩充；(2)在深度学习中，通过分块特征提取对真实数据和生成的没有标签的数据进行特征提取，同时采用发明的聚类标注平滑归一化损失函数(CLS)对数据标签化训练，测试时采用重排(Re‑ranking)进一步提升行人重识别效果。本发明联合了聚类标注平滑归一化损失函数以及分块特征提取方法，解决了行人重识别训练数据有限以及标签分配问题，同时通过分块的方式提取了图像的有效特征。
-
公开(公告)号：CN109493314A
公开(公告)日：2019-03-19
申请号：CN201811092061.X
申请日：2018-09-19
Applicant: 湖北工业大学
CPC classification number: G06T7/0004 , G06T7/136 , G06T7/194 , G06T2207/10016
Abstract: 本发明涉及一种基于图像分割的绝缘子覆冰监测方法，包括S1：绝缘子图像预处理，用固定在输电杆塔或者变电站监测终端的摄像头获取绝缘子图像；S2：绝缘子灰度图像分割，得到所求分割图像像素点数量；S3：计算绝缘子覆冰程度；S4：将计算值与绝缘子设计覆冰安全阈值进行比较，当计算值超过安全阈值时，上位机发出预警信息，实时提醒线路运维人员进行除冰工作，若没有超过安全阈值，则重新执行上述步骤。本发明针对输电线路，变电站等复杂环境下绝缘子覆冰状态的实时监测及预警，对传统监测的成本高、偏差大等问题提出有效的图像分割算法，增加分割后覆冰状态绝缘子图像的效果，使监测较之传统方法更为便捷。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.032 seconds)
