-
公开(公告)号：CN114612456B
公开(公告)日：2023-01-10
申请号：CN202210278396.0
申请日：2022-03-21
Applicant: 北京科技大学
Abstract: 本发明涉及一种基于深度学习的钢坯自动语义分割识别方法，包括以下步骤：步骤S1、数据集准备，获得不同运动状态以及不同形态的钢坯图像，进行预处理和标注，建立原始数据集；步骤S2、构建语义分割网络模型；步骤S3、训练步骤S2中的语义分割网络模型；步骤S4、测试步骤，将待测图像输入到训练所得的语义分割网络模型，得到分割结果。本发明分割网络的骨干网络使用了轻量型网络，同时应用了非对称卷积和空洞卷积，在保持训练精度和推理速度的同时，获得了更大的感受野；其次通过多尺度特征提取和融合，加强了各级特征图之间的信息交互，提高模型的分割性能；最后在解码部分应用密集上采样策略，避免上采样时的信息丢失，进一步提高模型的分割精度。
-
公开(公告)号：CN114998605A
公开(公告)日：2022-09-02
申请号：CN202210503164.0
申请日：2022-05-10
Applicant: 北京科技大学
IPC: G06V10/44 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种恶劣成像条件下图像增强引导的目标检测方法，属于图像增强和计算机目标检测技术领域。所述方法包括：在现有的目标检测网络基础上，加入增强网络分支，将目标检测网络主干网络的头部卷积层特征图和增强网络分支增强后的图像分别都进行最大池化和平均池化后，计算目标检测网络和增强网络分支总的损失函数L；将恶劣成像条件下获取的图像集分别输入目标检测网络和增强网络分支，利用损失函数L对目标检测网络和增强网络分支进行训练；将恶劣成像条件下获取的待检测的图像输入训练好的目标检测网络，输出目标检测结果。采用本发明，能够在提高目标检测的精度的同时，不会增加额外的计算负担。
-
公开(公告)号：CN114612456A
公开(公告)日：2022-06-10
申请号：CN202210278396.0
申请日：2022-03-21
Applicant: 北京科技大学
IPC: G06T7/00 , G06T7/11 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于深度学习的钢坯自动语义分割识别方法，包括以下步骤：步骤S1、数据集准备，获得不同运动状态以及不同形态的钢坯图像，进行预处理和标注，建立原始数据集；步骤S2、构建语义分割网络模型；步骤S3、训练步骤S2中的语义分割网络模型；步骤S4、测试步骤，将待测图像输入到训练所得的语义分割网络模型，得到分割结果。本发明分割网络的骨干网络使用了轻量型网络，同时应用了非对称卷积和空洞卷积，在保持训练精度和推理速度的同时，获得了更大的感受野；其次通过多尺度特征提取和融合，加强了各级特征图之间的信息交互，提高模型的分割性能；最后在解码部分应用密集上采样策略，避免上采样时的信息丢失，进一步提高模型的分割精度。
-
Patent Agency Ranking
公开(公告)号：CN102721741B
公开(公告)日：2014-05-28
申请号：CN201210205204.X
申请日：2012-06-18
Applicant: 北京科技大学
Abstract: 本发明涉及风电叶片健康监测与安全评估领域，具体提供了一种基于无线声发射传感器网络的风电叶片损伤监测与定位系统。本发明一种基于无线声发射传感器网络的风电叶片损伤监测与定位系统，包括叶片裂纹数据采集无线声发射传感器节点(1)、对数据进行中继传输的簇头节点(2)、汇聚数据的网管汇聚节点(3)以及监控中心。本发明结合了无线传感器网络和声发射技术的优势，构建了一套应用于风电叶片的部署灵活、扩展性强、安装维护方便、裂纹感知灵敏的损伤监测与定位系统，克服了传统电缆布线时采集点安装难、维护难、成本高、扩展性差等问题，整个系统配置简单、安装灵活、使用便捷。
-
公开(公告)号：CN102721741A
公开(公告)日：2012-10-10
申请号：CN201210205204.X
申请日：2012-06-18
Applicant: 北京科技大学
Abstract: 本发明涉及风电叶片健康监测与安全评估领域，具体提供了一种基于无线声发射传感器网络的风电叶片损伤监测与定位系统。本发明一种基于无线声发射传感器网络的风电叶片损伤监测与定位系统，包括叶片裂纹数据采集无线声发射传感器节点(1)、对数据进行中继传输的簇头节点(2)、汇聚数据的网管汇聚节点(3)以及监控中心。本发明结合了无线传感器网络和声发射技术的优势，构建了一套应用于风电叶片的部署灵活、扩展性强、安装维护方便、裂纹感知灵敏的损伤监测与定位系统，克服了传统电缆布线时采集点安装难、维护难、成本高、扩展性差等问题，整个系统配置简单、安装灵活、使用便捷。
-
公开(公告)号：CN119882040A
公开(公告)日：2025-04-25
申请号：CN202411905191.6
申请日：2024-12-23
Applicant: 北京科技大学
Abstract: 本发明公开了一种基于深度学习的轻量化地震监测方法，属于地球科学与深度学习技术领域，其包括：获取用于地震监测任务的数据集；构建地震监测模型；其中，所述地震监测模型包括：多尺度特征提取模块、特征编码器以及预测层；所述多尺度特征提取模块用于提取地震波数据的多维特征；所述特征编码器用于对所述多尺度特征提取模块提取的多维特征进行建模；所述预测层用于基于所述特征编码器输出的特征数据，输出地震监测任务结果；利用所述数据集对构建的地震监测模型进行训练；利用训练好的地震监测模型实现地震监测任务。本发明在实现了模型轻量化的情况下，有效解决了现有模型方法精度低、速度慢的问题。
-
公开(公告)号：CN115797632A
公开(公告)日：2023-03-14
申请号：CN202211527682.2
申请日：2022-12-01
Applicant: 北京科技大学
IPC: G06V10/26 , G06V10/82 , G06V10/774 , G06V10/74 , G06N3/0455 , G06N3/0464 , G06N3/0895 , G06N3/084
Abstract: 本发明公开了一种基于多任务学习的图像分割方法，包括：构建样本数据集；其中，样本数据集由对比学习数据集、网状结构图像、对应语义分割标签和对应关系向量标签组成；构建基于对比学习的特征提取器；构建基于多任务学习的图像分割模型；其中，图像分割模型包括共享编码器、语义分割任务模块和关系预测任务模块；基于对比学习数据集对特征提取器进行训练；基于网状结构图像、对应语义分割标签和对应关系向量标签构成的样本数据集对图像分割模型进行训练；利用训练好的图像分割模型对待分割图像进行语义分割，得到分割结果。本发明的图像分割方法有效提升了网状结构图像分割精度，解决了目前网状结构图像分割精度不够理想的技术问题。
-
公开(公告)号：CN114119627B
公开(公告)日：2022-05-17
申请号：CN202111216114.6
申请日：2021-10-19
Applicant: 北京科技大学
IPC: G06T7/11 , G06T3/40 , G06V20/69 , G06K9/62 , G06V10/774
Abstract: 本发明公开了一种基于深度学习的高温合金微观组织图像分割方法及装置，该方法包括：获取待分割图像，并对所述待分割图像进行图像特征提取；基于改进的SNL模块，对提取到的图像特征进行注意力机制提取融合，得到所述待分割图像对应的特征图；基于得到的特征图，实现高温合金微观组织结构图像分割。与传统图像处理方法对比，本发明的分割精度大幅度提升，甚至受到噪声污染的图像也能获取良好的分割效果，与UNet网络结构相比，本发明解决了感受野过于局部，注意机制过于单一的问题的同时，分割效果也明显提升。
-
-
-
-
-
-
-
Search Results
28
records
(took 0.026 seconds)
