公开(公告)号：CN118261926A

公开(公告)日：2024-06-28

申请号：CN202410473561.7

申请日：2024-04-19

Applicant: 无锡学院

Inventor： 陈戈 ,  张银胜 ,  李长帅 ,  张雁皓 ,  孟祥源 ,  沙子乔 ,  王奕琨

IPC: G06T7/11 ,  G06V10/26 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种基于多层特征信息融合的滑坡图像分割方法，具体为：获取滑坡图像数据集，并进行预处理后划分为训练集和验证集；构建基于多层特征信息融合的滑坡图像语义分割网络模型，包括编码器和解码器两部分，其中，编码器由主干网络、级联带状空间金字塔池化模块和高效通道注意力模块构成，解码器由多层特征信息融合结构构成；利用训练集和验证集分别对网络模型进行训练和验证，计算损失函数并进行反向传播，更新网络模型参数，得到训练好的滑坡图像语义分割网络模型；将待分割的滑坡图像输入到训练好的滑坡图像语义分割网络模型中，得到待分割滑坡图像的分割结果。本发明通过增强滑坡图像的边缘信息提升对滑坡区域的检测能力。

公开(公告)号：CN115984701A

公开(公告)日：2023-04-18

申请号：CN202310071730.X

申请日：2023-02-07

Applicant: 无锡学院

Inventor： 吉茹 ,  张银胜 ,  张培琰 ,  杨宇龙 ,  周乐佳 ,  胡宇翔 ,  龙见洋

IPC: G06V20/10 ,  G06V10/26 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了一种基于编解码结构的多模态遥感图像语义分割方法，包括步骤如下：S1，获取包含可见光图像、DSM图像和标签图的遥感图像数据集，对遥感图像数据集进行预处理后，按照设定的比例划分为训练集、验证集和测试集；S2，搭建基于编解码结构的多模态遥感图像语义分割网络；S3，将训练集和验证集输入至多模态遥感图像语义分割网络中训练，计算交叉熵损失函数并进行反向传播，更新网络参数，获取最佳参数模型；S4，将测试集输入到训练好的最佳参数模型中，输出遥感图像的精确分割图。本发明能实现上采样信息充分恢复，提高遥感图像分割准确率。

公开(公告)号：CN114898227A

公开(公告)日：2022-08-12

申请号：CN202210643793.3

申请日：2022-06-08

Applicant: 无锡学院

Inventor： 张银胜 ,  钟思远 ,  吉茹 ,  崔志强 ,  张文华 ,  单慧琳

IPC: G06V20/13 ,  G06V10/26 ,  G06V10/74 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种云图分割方法，包括步骤如下：S1，对哨兵二号卫星可见波段的图像进行预处理获得数据集；S2，利用改变卷积方式、添加高效通道注意力、修改长跳跃连接方式及修改激活函数的方法构建改进U‑Net模型；S3，将步骤S1得到的数据集输入改进型U‑Net模型进行训练、测试，与其他分割网络进行云图分割实验对比，得到比较输出预览图；S4，将步骤S3中的比较输出预览图通过transformer架构进行优化，得到最终输出效果图。本发明运用了通过在U‑Net模型中引入transformer以及回归模型，对云层的遥测图像分析计算精度有显著的提高，使得云图的预测更加准确且稳定。

公开(公告)号：CN114898227B

公开(公告)日：2025-05-09

申请号：CN202210643793.3

申请日：2022-06-08

Applicant: 无锡学院

Inventor： 张银胜 ,  钟思远 ,  吉茹 ,  崔志强 ,  张文华 ,  单慧琳

IPC: G06V20/13 ,  G06V10/26 ,  G06V10/74 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/048 ,  G06N3/084 ,  G06N3/09

Abstract: 本发明公开了一种云图分割方法，包括步骤如下：S1，对哨兵二号卫星可见波段的图像进行预处理获得数据集；S2，利用改变卷积方式、添加高效通道注意力、修改长跳跃连接方式及修改激活函数的方法构建改进U‑Net模型；S3，将步骤S1得到的数据集输入改进型U‑Net模型进行训练、测试，与其他分割网络进行云图分割实验对比，得到比较输出预览图；S4，将步骤S3中的比较输出预览图通过transformer架构进行优化，得到最终输出效果图。本发明运用了通过在U‑Net模型中引入transformer以及回归模型，对云层的遥测图像分析计算精度有显著的提高，使得云图的预测更加准确且稳定。

公开(公告)号：CN119559403A

公开(公告)日：2025-03-04

申请号：CN202510132150.6

申请日：2025-02-06

Applicant: 无锡学院

Inventor： 单慧琳 ,  王兴涛 ,  张银胜 ,  孟祥源 ,  吴心悦 ,  马丁

IPC: G06V10/26 ,  G06V10/52 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455

Abstract: 本发明提供了一种基于多尺度深度监督的高分辨遥感图像语义分割方法，包括以下步骤：步骤1，获取ISPRS Potsdam数据集和Vaihingen数据集；步骤2，搭建多尺度深度监督网络MDSNet，包括空间分支、语义分支网络和多尺度特征聚合部分；所述空间分支、语义分支网络和多尺度特征聚合部分均为四层结构；步骤3，将训练集输入至多尺度深度监督网络MDSNet中训练，计算损失函数并进行反向传播，更新网络参数，获取训练好的参数模型；步骤4，将测试集输入到训练好的参数模型中，输出目标图像的分割图。本发明提出的方法在提高特征提取能力的同时，提高了语义分割的准确率，以及训练效率和稳定性。

公开(公告)号：CN119513814A

公开(公告)日：2025-02-25

申请号：CN202411631972.0

申请日：2024-11-14

Applicant: 无锡学院

Inventor： 张浩 ,  张银胜 ,  单李庆

IPC: G06F18/25 ,  G06F18/24 ,  G06F18/214 ,  G06F18/213 ,  G06F17/18 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种空间暗弱目标多维度特征融合识别方法，涉及目标识别技术领域，以ROCKET架构、LSTM架构和OVO‑SVM构建集成分类器，以空间目标多维特征作为输入量，构建初始基本概率分配函数，引入收缩‑扩展函数对初始BPA进行修改处理，减弱特征间的冲突程度，进行折扣、DST融合操作，获取融合后的BPA，结合类别判别准则，输出目标种类，完成空间暗弱目标的多维度特征融合识别，从而能够有效解决空间暗弱目标依赖单一特征进行识别存在识别效果差的问题，提高空间暗弱目标的识别准确度，体现多维特征融合在提高识别性能方面的明显优势，促进天基红外暗弱目标识别技术发展。

公开(公告)号：CN118884439A

公开(公告)日：2024-11-01

申请号：CN202411375836.X

申请日：2024-09-30

Applicant: 无锡学院

Inventor： 单慧琳 ,  刘文星 ,  张银胜 ,  胡宇翔 ,  沙子乔 ,  迟荣华

IPC: G01S13/90 ,  G06V20/10 ,  G06V10/25 ,  G06V10/44 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了基于多尺度特征提取与FRFT卷积的SAR船舰检测方法，包括：获取SSDD合成孔径雷达图像数据集及HRSID数据集，对数据集进行预处理后划分为训练集、验证集和测试集；搭建基于多尺度特征提取与FRFT卷积网络，包括输入端、主干网络、Neck网络和探测头部分，主干网络和Neck网络协同处理特征；将经过预处理的训练集和验证集的SAR图像输入至MEFTNet网络中训练，计算损失函数并进行反向传播，更新网络参数，获取最佳参数模型；将经过预处理的测试集输入到训练好的最佳参数模型中，输出SAR图像的精确识别图。本发明能更好的获取船舰特征，降低检测的误检率，提高检测的准确率以及各种场景下的适应效果。

公开(公告)号：CN117994139A

公开(公告)日：2024-05-07

申请号：CN202410173443.4

申请日：2024-02-07

Applicant: 无锡学院

Inventor： 童俊毅 ,  张银胜 ,  张培琰 ,  张雁皓 ,  陈前杭 ,  段修贤

IPC: G06T5/00 ,  G06T5/77 ,  G06T5/60 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/084 ,  G06N3/048

Abstract: 本发明公开了一种基于U‑Net感知对抗网络的图像复原方法，包括如下步骤：S1，对获取的人脸图像数据集进行预处理后，划分为训练集、验证集和测试集；S2，搭建基于U‑Net结构的感知对抗生成图像修复网络，感知对抗生成图像修复网络包括粗重构网络、精修复网络、SHMD注意力模块，并引入改进的综合损失函数，进行反向传播；S3，将训练集和验证集输入至感知对抗生成图像修复网络中训练，计算融合损失函数并进行反向传播，更新网络参数，获取最佳参数模型；S4，将测试集输入到训练好的最佳参数模型中，输出最终复原人脸图像。本发明使图像经历由缺失到含有基础信息再到含有完整信息的过程，并能充分利用图像的多尺度信息。

公开(公告)号：CN117975252A

公开(公告)日：2024-05-03

申请号：CN202410157270.7

申请日：2024-02-04

Applicant: 无锡学院

Inventor： 陈戈 ,  张银胜 ,  张培琰 ,  李长帅 ,  孟祥源 ,  陈昕

IPC: G06V20/05 ,  G06V10/20 ,  G06V10/44 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06T5/94

Abstract: 本发明公开了一种基于增强局部特征的水下目标检测方法，包括步骤如下：S1，获取URPC水下图像数据集，对数据集进行预处理后，按照设定的比例划分为训练集和验证集；S2，搭建增强局部特征网络，所述增强局部特征网络包括提取特征模块、融合特征模块和检测头模块；目标图像经增强处理后的特征图像输入提取特征模块进行特征提取，再经过融合特征模块进行融合增强，最后经过检测头模块完成对图像目标的检测；S3，将经过预处理的训练集和验证集输入至增强局部特征网络中进行训练和验证，获取最佳的检测模型；S4，采用步骤S3得到的最佳模型对水下图像进行目标检测。本发明能够有效减少光照昏暗场景下目标出现局部特征丢失的现象。

公开(公告)号：CN114550176A

公开(公告)日：2022-05-27

申请号：CN202210160582.4

申请日：2022-02-22

Applicant: 无锡学院

Inventor： 王兴涛 ,  单慧琳 ,  崔志强 ,  孙佳琪 ,  张银胜

IPC: G06V30/148 ,  G06V10/82 ,  G06N3/08 ,  G06Q50/20

Abstract: 本发明公开了基于深度学习的试卷批改方法，包括：获取写有标准答案的试卷图像P1，采集需要批改的试卷图像P2，并进行预处理；对预处理后的P1和P2分别进行霍夫直线检测，得到答题水平直线位置，进而得到单个题目的答题区域；利用YOLO v3网络提取答题区域中每个验证框的坐标信息及验证框内的数据，进而计算相邻两个验证框之间的距离；对两幅试卷图像中同一个题目序号对应的答题区域中每个数据信息进行比对，统计需要批改的试卷图像中正确题目与错误题目数量；根据需要批改的试卷坐标信息，提取需要批改的试卷对应的学号，将学号与相应试卷上所有题目正确与否存入数据库中。本发明可运用于试卷或者答题卡的选择题、填空题，不受题型以及答题卡格式的限制。