-
公开(公告)号：CN118247483A
公开(公告)日：2024-06-25
申请号：CN202410286002.5
申请日：2024-03-13
Applicant: 湖南大学
IPC: G06V10/25 , G06V10/82 , G06N3/0499 , G06N3/084
Abstract: 本申请涉及一种基于大模型高效参量微调的电力巡检目标检测方法，该方法包括：获取电力巡检场景下的数据集，并对数据集进行预处理，将预处理后的数据集按比例划分为训练集和测试集；以视觉转换器模型为基础，并在其每层Transformer块后放置额外的微调模块，构建出基于大模型高效参量微调方法的电力巡检目标检测模型；将训练集训练输入至电力巡检目标检测模型，通过反向传播更新微调模块的模块参数，得到训练后的电力巡检目标检测模型；将测试集输入至训练后的电力巡检目标检测模型，得到电力巡检目标检测结果。该方法既能够保留大模型的强泛化能力，又能够根据具体的应用场景进行灵活调整，从而提高电力巡检目标检测的精度和效率。
-
公开(公告)号：CN118172632A
公开(公告)日：2024-06-11
申请号：CN202410292746.8
申请日：2024-03-14
Applicant: 湖南大学
IPC: G06V10/80 , G06V10/82 , G06V10/774 , G06V20/17
Abstract: 本申请涉及一种基于多模态融合的无人系统三维目标检测方法及装置，所述方法包括以下步骤：获取待检测的道路场景的二维图像和三维点云数据，并输入多模态融合检测模型；多模态融合检测模型包括时序动态卷积融合模块，其利用三维位置嵌入编码器，根据前一帧的三维世界空间坐标与前一帧的二维图像特征生成前一帧的三维位置感知特征，前一帧的三维位置感知特征经位姿变换后作为当前帧的补充位置感知特征；根据当前帧的补充位置感知特征与当前帧的三维点云特征生成第一融合帧三维点云特征；基于第一融合帧三维点云特征和当前帧的二维图像特征得到初步融合特征，基于初步融合特征输出检测结果。该方法可解决远处目标识别困难的问题。
-
公开(公告)号：CN118097350A
公开(公告)日：2024-05-28
申请号：CN202410104069.2
申请日：2024-01-25
Applicant: 湖南大学
IPC: G06V10/80 , G06V10/26 , G06V10/30 , G06V10/764 , G06V10/774 , G06V20/64
Abstract: 本申请涉及一种多模态融合的复杂受限场景下高压输电线路巡检方法，该方法包括：采集高压输电线路的二维图以及三维点云数据；基于所述二维图和所述三维点云数据，构建高压输电线路检测数据集，并将数据集按比例划分为训练集和验证集；构建多模态融合感知的高压输电线路巡检模型；所述高压输电线路巡检模型包括深度补全模块、体素筛选模块、抗噪声卷积模块、多任务检测头预测模块；基于所述训练集训练所述高压输电线路巡检模型；将所述验证集输入至训练好的高压输电线路巡检模型，并经过后处理模块筛选，输出目标检测结果。该方法不仅可以在复杂受限环境下实时评估，并且省去了人工肉眼检索的繁杂操作，更减少了误判行为的发生。
-
公开(公告)号：CN115542338A
公开(公告)日：2022-12-30
申请号：CN202211518994.7
申请日：2022-11-30
Applicant: 湖南大学
IPC: G01S17/86 , G01S7/48 , G06V10/82 , G06V10/62 , G06V10/774 , G06T7/246 , G06T7/277 , G06N3/04 , G06N3/08
Abstract: 一种基于点云空间分布映射的激光雷达数据的学习方法，包括：S1、构建目标激光雷达点云数据集，对任意带标注激光雷达点云数据集和目标激光雷达点云数据集进行线束空间分析；S2、将任意带标注激光雷达点云数据集所在空间坐标系变换至目标激光雷达点云数据集所在空间坐标系；S3、对坐标系变换后的任意带标注激光雷达点云数据集进行序列化处理；S4、计算三维空间非共线三点近似平面与激光雷达线束的交点以完成映射；S5、利用带标注的映射数据集训练关于点云目标检测的任意深度学习模型；S6、设计多目标跟踪器对序列信息进行更新实现结果的优化。本发明易操作、效率高，具有良好的鲁棒性，减少了不同类型数据集差异带来的影响。
-
公开(公告)号：CN119723062B
公开(公告)日：2025-05-09
申请号：CN202510208849.6
申请日：2025-02-25
Applicant: 湖南大学
IPC: G06V10/25 , G06N3/0464 , G06V10/44 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于前景感知增强的多模态目标检测系统及检测方法，充分结合了二维图像和三维点云的优势，并解决了前景点关注度低的问题。本发明通过前背景掩码机制以及焦点卷积模块，在二维和三维特征中分别强化前景信息，并通过通道和空间注意力模块进一步优化特征表达。最终，经过通道级联的增强融合特征经过区域建议网络和置信度前馈网络，筛选出置信度较高的检测结果。根据其目标类别确定不同的初始权重，计算预测边界框和真实边界框内前背景点的数量差异和位姿差异来进行损失聚合，并进行反向传播，以进一步优化预测边界框的位置精度，前景感知的聚合损失函数在训练过程中提供有效监督，进一步提升了模型的鲁棒性和准确性。
-
Patent Agency Ranking
公开(公告)号：CN119910662A
公开(公告)日：2025-05-02
申请号：CN202510397569.4
申请日：2025-04-01
Applicant: 湖南大学
IPC: B25J9/16 , B25J11/00 , G06V20/56 , G06N3/082 , G06N3/084 , G06N3/096 , G06V10/26 , G06V10/40 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种电力巡检机器人检测及部署方法、系统和计算机设备，获取待检测道路场景的高低线束三维点云数据，分别输入到教师模型和学生模型中，提取得到BEV特征，利用焦点模块对师生模型的三维特征进行蒸馏处理，创建前景和背景掩码，并计算前景特征的损失；引入焦点关系蒸馏模块，提取前景位置九个角点的特征并进行高斯相似度的计算，提升模型在不同类别前景特征学习中的均衡性；应用全局蒸馏模块，提升整体性能，模型训练完成后进行模型剪枝，优化模型性能；将剪枝优化后的模型转换为ONNX格式，并在TensorRT上进行部署和加速，进一步提升推理效率。有效解决了低线束雷达检测精度低和模型实际部署困难的问题。
-
公开(公告)号：CN119229031B
公开(公告)日：2025-03-07
申请号：CN202411747851.2
申请日：2024-12-02
Applicant: 湖南大学
Abstract: 本发明公开了一种基于三维高斯泼溅的大型装配场景的动态实时渲染方法，通过多个传感器相结合，构建一个用于动态场景实时渲染的三维高斯泼溅模型，该方法可以渲染装配场景的任意视角。三维高斯泼溅模型包括传感器数据对齐、三维高斯泼溅模型的初始化、三维高斯泼溅模型的预测与更新，结合三维高斯泼溅模型，设计了场景空间点对齐与预测器，解决多传感器数据信息冗余、动态实时渲染困难的难题，这个方法提高了装配的安全性与可靠性，能及时发现和处理装配过程中的问题，有助于推动工业智能制造快速且高质量的发展，从而推动工业制造智能化的转型。
-
公开(公告)号：CN117474914B
公开(公告)日：2024-04-12
申请号：CN202311812865.3
申请日：2023-12-27
Applicant: 湖南大学
IPC: G06T7/00 , G06N3/045 , G06N3/0464 , G06N3/096 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/774 , G06V10/80 , G06V10/82 , G01N21/88
Abstract: 本发明公开了一种基于轻量化神经网络的飞机蒙皮表面缺陷检测方法，包括：构建用于网络训练的数据集；构建用于飞机蒙皮缺陷检测的教师网络模型和轻量化学生网络模型，使用数据集对教师网络模型进行训练，并将训练好的教师网络模型权重文件保存并载入到教师网络模型，使用数据集对学生网络模型进行训练，根据教师网络模型和学生网络模型输出的多尺度特征计算不确定性预测的知识蒸馏损失，结合蒸馏损失和学生网络模型原本的检测损失利用反向传播算法来训练学生网络模型，保存训练好的学生网络模型的权重文件；利用训练好的轻量化学生网络模型实现飞机蒙皮的缺陷检测。在确保精度的前提下，大幅度降低计算复杂度，提高自动化检测技术应用的实时性。
-
公开(公告)号：CN117351204A
公开(公告)日：2024-01-05
申请号：CN202311338659.3
申请日：2023-10-17
Applicant: 湖南大学
IPC: G06V10/26 , G06V10/764 , G06V10/774 , G06V10/778 , G06V10/776 , G06Q50/06
Abstract: 一种电力设备域适应语义分割方法，包括：1、构建源域数据集、测试数据集和目标域数据集；2、构建三个模块；3、对学生模型进行训练，并获取伪标签，利用目标域数据集和伪标签对学生模型进行训练；对原型提取辅助模块进行训练；4、获取域特征、目标域特征原型；5、利用源域、目标域特征原型分别对源域数据集、目标域数据集中的特征进行特征级聚类，利用源域、目标域特征原型分别对目标域、源域数据集的图像进行交叉一致性聚类；6、重复3至5，迭代设定次数后，选择最好的权重，得到最终学生模型。本发明通过特征级聚类和交叉一致性聚类改善了特征聚集性和模型的泛化能力以及分类能力，使得模型在午间的电力设备图像上也能获得很好的效果。
-
公开(公告)号：CN116758497A
公开(公告)日：2023-09-15
申请号：CN202310279707.X
申请日：2023-03-21
Applicant: 湖南大学
Abstract: 本发明提供了一种基于无人系统的激光点云三维目标检测方法包括如下步骤：步骤S1：获取基于无人系统的激光点云数据集，对所述激光点云数据集进行预处理，将预处理后的激光点云数据集按照预设比例1:1分为训练集和测试集；步骤S2：构建基于无人系统的激光点云三维目标检测模型；步骤S3：将所述训练集输入至所述激光点云三维目标检测模型，得到训练好的激光点云三维目标检测模型；步骤S4：将所述测试集输入至所述训练好的激光点云三维目标检测模型，得到三维目标检测结果。本发明所提出的动态边缘卷积模块与自适应特征融合网络具有更加丰富与精细的特征表示，提高激光点云三维目标检测的精度。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.024 seconds)
