公开(公告)号：CN116188259A

公开(公告)日：2023-05-30

申请号：CN202211572022.6

申请日：2022-12-08

Applicant: 中国科学院水生生物研究所 ,  山东大学

Inventor： 鲍江辉 ,  姜昊 ,  段明 ,  王馨悦 ,  李蔚郁 ,  胡少秋 ,  张东旭 ,  张敬林 ,  鲁威志

IPC: G06T3/40 ,  G06N3/047 ,  G06N3/094 ,  G06N3/04

Abstract: 本发明涉及一种基于压缩感知和生成对抗的鱼类图像生成方法，属于计算机视觉与深度学习技术领域，步骤包括：步骤1，基于高分辨率鱼类数据集训练压缩感知神经网络，获得低维观测信号和重构映射；步骤2，基于上述低维观测信号训练生成对抗网络，获得低维观测信号的生成器；步骤3，利用上述生成器，向生成器中输入噪声产生新的低维观测信号，利用上述重构映射将生成的低维观测信号重构为生成的高分辨率鱼类图片。本发明中生成器的输入为服从高斯分布的随机噪声，不需要从高维数据集中获得，因此本发明中获得的生成器可以将任意服从高斯分布的噪声生成为高清鱼类图像。且本发明可以生成与原始数据集服从同一分布而更加多样的不同高清鱼类图像。

公开(公告)号：CN114911268A

公开(公告)日：2022-08-16

申请号：CN202210681303.9

申请日：2022-06-16

Applicant: 山东大学

Inventor： 鲁威志 ,  王阳 ,  李晓磊 ,  张伟 ,  刘深蓝

IPC: G05D1/10

Abstract: 本公开公开的一种基于视觉模仿的无人机自主避障方法及系统，通过移动标定板躲避环境中的障碍物，获取标定板移动过程中的视频，从视频中任意选取相邻的第一帧图片和第二帧图片，并计算两帧图片的单应矩阵，从第一帧图片中提取带有标定板的第一兴趣区域，从第二帧图片中提取带有标定板的第二兴趣区域，计算第一兴趣区域的第一中心点坐标和第二兴趣区域的第二中心点坐标，根据第二中心点坐标和单应矩阵，获得新的一帧的中心点坐标，根据第一中心点坐标和新的一帧的中心点坐标，获得第一帧图片的方向标签，由视频中除最后一帧外其余帧图片及对应方向标签，构成标定好的数据集。实现了数据集的自动标定。

公开(公告)号：CN114612742A

公开(公告)日：2022-06-10

申请号：CN202210233188.9

申请日：2022-03-09

Applicant: 山东大学

Inventor： 张伟 ,  刘敬贺 ,  李晓磊 ,  鲁威志 ,  宋然 ,  程吉禹 ,  荣学文

IPC: G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种输电线路小目标缺陷检测的方法及系统，包括：获取输电线路图像数据并进行预处理；将预处理后的图像数据输入至训练好的第一阶段目标检测模型，得到包含目标对象的多个关键区域，将得到的关键区域按照设定的原则重新组合排列，形成新的图像；将新的图像输入至训练好的第二阶段目标检测模型，得到目标缺陷识别结果。本发明通过第一阶段目标检测模型先定位到关键区域，并将关键区域按照一定的规律进行重新提取并按比例重新分配位置；由于保留了原始图像的像素信息，因此不存在信息的缺失，为第二阶段的检测提供了非常好的样本。

公开(公告)号：CN116503612A

公开(公告)日：2023-07-28

申请号：CN202310752531.5

申请日：2023-06-26

Applicant: 山东大学

Inventor： 李腾 ,  王阳 ,  鲁威志 ,  李晓磊 ,  张伟

IPC: G06V10/40 ,  G06V10/74 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06T7/00 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本公开提供了基于多任务关联的风机叶片损伤识别方法与系统，涉及风机叶片图像识别技术领域，方法包括：获取风机叶片的图像，首先利用多任务主干网络提取风机叶片图像的底层共享特征，之后在两个子任务分支网络中分别提取损伤位置特征以及损伤类型特征，然后分别输出风机叶片损伤的位置以及损伤类型的识别结果；其中，将两个子任务分支网络在各自特征提取时进行任务相关联，由线性映射函数将分支任务的高维特征映射到另一个分支任务的标签空间中，并通过激活函数转换为概率分布的形式，进而通过另一个分支任务的真实标签对概率分布进行损失评价，获取两个分支任务之间存在的相关性。本公开提高两个风机叶片损伤子任务的识别精度。

公开(公告)号：CN111300431A

公开(公告)日：2020-06-19

申请号：CN202010241696.2

申请日：2020-03-31

Applicant: 山东大学

Inventor： 张伟 ,  杨硕 ,  鲁威志 ,  王贺升 ,  李贻斌

IPC: B25J9/16 ,  B25J13/08 ,  B25J19/04

Abstract: 本公开公开了面向跨场景的机器人视觉模仿学习方法及系统，将给定来自原始语境的观察图像转换为预测的目标观察图像，即将视觉演示从演示者的语境转换到机器人所在语境，完成语境转换；基于初始深度观察图像来预测目标深度观察图像；针对获取到多模态的初始观察和目标观察，使用深度神经网络来构建逆动态模型，利用逆动态模型来输出预测动作，完成模仿学习。本公开语境转换模块负责将来自不同语境的视觉演示转换到机器人所在语境。本公开多模态逆动态模型负责将多模输入映射为动作来复现演示中动作，以颜色和深度观察信息作为输入，并将其映射为动作，从而实现根据演示进行模仿。