公开(公告)号：CN117993442B

公开(公告)日：2024-10-18

申请号：CN202410324239.8

申请日：2024-03-21

Applicant: 济南大学

Inventor： 李忠涛 ,  李雅其 ,  郭庆北 ,  赵光龙 ,  张玉璘

IPC: G06N3/0464 ,  G06N3/0455 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明提出了一种融合局部和全局信息的混合神经网络方法与系统，涉及计算机视觉领域。本发明设计局部大核卷积块(LLCB)和全局视觉Transformer块(GVTB)作为混合神经网络SUMMNet的主要构建块，LLCB引入大核卷积注意力(LKCA)来有效地捕获特征映射的局部特征；GVTB引入轻量级跨头自注意力(LCHSA)来增强注意力头部之间的交互，提取特征图的全局信息，并通过降低自注意K和V的维数来降低计算复杂度；LLCB和GVTB的协同使SUMMNet能够在不同的尺度上关注局部和全局信息，高效的进行图像处理。

公开(公告)号：CN118097321B

公开(公告)日：2024-09-27

申请号：CN202410524655.2

申请日：2024-04-29

Applicant: 济南大学

Inventor： 李忠涛 ,  李新昌 ,  韩延彬 ,  孔祥玉 ,  王凯 ,  张波 ,  郭庆北 ,  张玉璘 ,  陈图川

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明提出了基于CNN和Transformer的车辆图像增强方法及系统，涉及计算机视觉领域。本发明提出一种特征调制Transformer模块，模块由L个交叉精炼融合块组成，每个交叉精炼融合块由高频增强残差块、矩形窗口注意力块、混合融合块组成。其中，高频增强残差块用于从输入特征中提取高频特征，矩形窗口注意力块用于捕捉输入特征的长距离依赖关系，然后通过混合融合块整合高频增强残差块和矩形窗口注意力块的输出。最后交叉提炼全局特征以获得最佳效果。

公开(公告)号：CN117373050A

公开(公告)日：2024-01-09

申请号：CN202311446813.9

申请日：2023-11-02

Applicant: 济南大学

Inventor： 李忠涛 ,  赵光龙 ,  郭庆北 ,  张玉璘

IPC: G06V30/422 ,  G06V30/19 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种高精度识别图纸管线的方法，涉及P&ID图纸识别领域。本发明通过对切分的P&ID图纸图像进行文字识别和去除、符号识别，采用细化算法减小管线的宽度、突出特征，然后从符号出发进行管线的遍历和识别。与现有技术相比，本发明提高了管线识别的精度。本发明通过对图纸图像进行细化操作，使深度神经网络能够更好地学习管线的特征，降低了由于管线自身存在宽度而影响图纸的识别，提高了识别的精度和准确度，方便进行图纸的重绘。

公开(公告)号：CN116630950A

公开(公告)日：2023-08-22

申请号：CN202310912754.3

申请日：2023-07-25

Applicant: 济南大学

Inventor： 李忠涛 ,  李雅其 ,  郭庆北 ,  张玉璘

IPC: G06V20/60 ,  G06V10/82 ,  G06V10/774 ,  G06V10/776 ,  G06V10/74 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明提出了一种高精度识别轮辋焊缝的方法，涉及轮辋焊缝定位技术领域。本发明提出L1_SelfAttention模块，该模块是基于L1范数的自注意力机制，将该模块引入到基于Transformer的目标检测算法中，提高轮辋焊缝的识别效率。使用工业摄像头采集轮辋数据集，并标注数据集，将数据集分为训练集和预测集。使用改进的基于Transformer的目标检测算法DETR进行模型训练，通过多轮训练提高模型的效果，并进行模型转化，将模型部署到具有开发功能的开发板上，开发板连接摄像头，实时对轮辋焊缝进行识别和定位，相较人工识别定位轮辋焊缝，算法识别能达到较高的准确率和效率，并缩短检测时间，节省人力资源。

公开(公告)号：CN115880149A

公开(公告)日：2023-03-31

申请号：CN202211489722.9

申请日：2022-11-25

Applicant: 济南大学

Inventor： 杨晓晖 ,  刘维靖 ,  冯志全 ,  徐涛 ,  郭庆北

IPC: G06T3/40 ,  G06T7/246 ,  G06V10/80 ,  G06V10/82 ,  G06N3/044 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了基于轻量化驱动和三尺度编码的视频帧插值方法及系统，获取待插值视频的第i帧原始图像和第i+1帧原始图像；分别对第i帧原始图像和第i+1帧原始图像进行尺度缩放，得到第i帧缩小尺度的图像、第i+1帧缩小尺度的图像、第i帧放大尺度的图像、第i+1帧放大尺度的图像；将原始图像和尺度缩放后的图像均输入到训练后的视频帧插值模型中，输出插值图像；其中，训练后的视频帧插值模型，对原始图像和尺度缩放后的图像，分别进行三个尺度的特征提取，采用通道注意力机制模块对三个尺度的特征进行融合，采用双重注意力机制模块对融合后的特征进行增强；再对增强后的特征进行帧扭曲操作，得到插值图像。

公开(公告)号：CN112926685A

公开(公告)日：2021-06-08

申请号：CN202110337542.8

申请日：2021-03-30

Applicant: 济南大学

Inventor： 李忠涛 ,  姜琳琳 ,  赵帅 ,  赵富 ,  袁朕鑫 ,  肖鑫 ,  程衍泽 ,  张玉璘 ,  赵秀阳 ,  孔祥玉 ,  郭庆北

IPC: G06K9/62 ,  G06N3/08 ,  G06T3/40

Abstract: 本申请公开了一种工业中钢材氧化带目标检测方法、系统及设备，采集不同光照强度下不同钢材类型的氧化带样本图像，进行图像预处理以获得初始氧化带样本数据集；按预设比例划分为训练集、验证集、测试集；基于原始YOLOv4‑tiny算法改进其网络结构，得到钢材氧化带目标检测算法；利用训练集对优化后的网络训练，选取mAP最优的权重文件；将训练完成的网络集成在检测系统中，检测钢材氧化带图像得到氧化带的位置信息。优化后的网络减少了计算参数，提高了网络提取有效特征的能力，能够减少检测中的误判和漏检。压缩后的模型能够部署在小型嵌入式设备端实现在线检测，提高检测方法对复杂工业环境的鲁棒性，为工业智能制造提供了技术保障。

公开(公告)号：CN110298446A

公开(公告)日：2019-10-01

申请号：CN201910578644.1

申请日：2019-06-28

Applicant: 济南大学

Inventor： 郭庆北

IPC: G06N3/08 ,  G06N3/04 ,  G06N3/06

Abstract: 本发明公开了一种面向嵌入式系统的深度神经网络压缩方法及系统，所述方法包括：获取待压缩的原始神经网络模型；对所述神经网络模型中各层的过滤器/输出神经元进行重要性评估；基于重要性评估结果，对所述神经网络模型中各层的过滤器/输出神经元采用聚类方法进行分组；根据预设的每层的压缩率，采用聚类中心确定弱连接并进行裁剪，得到压缩后的模型；将压缩后的模型通过局部和全局微调恢复它的识别性能；将所述压缩后的模型部署到嵌入式系统中，采用本发明的压缩方法，一方面降低网络的存储空间和加速网络的推断，另一方面保持网络的识别精度。

公开(公告)号：CN104346442B

公开(公告)日：2017-10-20

申请号：CN201410541881.8

申请日：2014-10-14

Applicant: 济南大学

Inventor： 曲守宁 ,  杜韬 ,  王凯 ,  张坤 ,  郭庆北 ,  张勇 ,  程新功 ,  朱连江 ,  王钦

IPC: G06F17/30

Abstract: 本发明涉及一种面向流程对象数据的规则提取方法，包括如下步骤：步骤S1：确定流程对象数据的最佳聚簇数量；步骤S2：采用K‑means算法对流程对象数据进行聚类，同时验证步骤S1中的最佳聚簇数量的合理性，如果步骤S1中的最佳聚簇数量合理则转到步骤S3，否则转到步骤S1；步骤S3：采用Apriori维间关联规则算法挖掘不同测点的聚类间的关联规则；步骤S4：确定流程对象数据的最强关联链；步骤S5：根据最强关联链上所有测点的状态值，得到记载各测点状态值的状态链，根据状态链对相关行业进行指导；提高数据规则提取的效率，以及从流程对象数据中提取知识的能力。

公开(公告)号：CN105813196A

公开(公告)日：2016-07-27

申请号：CN201610322814.6

申请日：2016-05-16

Applicant: 济南大学

Inventor： 郭庆北

IPC: H04W64/00 ,  H04W84/18 ,  G01S5/02

Abstract: 本发明涉及1、一种在有界误差下无线传感器网络中避免翻转的定位方法，包括以下步骤：S1：随机选择一个初始定位三角形，其三个被定位节点两两相邻，并把选定的初始定位三角形的三个节点添加至定位节点集合；S2：对于任意一个没有被定位的未知节点，如果该未知节点连接定位节点集合中任一定位三角形中的两个节点并且满足定理1的条件，或者该未知定位节点连接定位节点集合中任一定位三角形中的三个节点并且满足定理2的条件，则将该未知节点移入定位节点集合；S3：循环步骤S2，直至没有新的节点能够添加入定位节点集合为止。

公开(公告)号：CN119810464A

公开(公告)日：2025-04-11

申请号：CN202510020558.4

申请日：2025-01-07

Applicant: 济南大学

Inventor： 郭庆北 ,  曾祥飞 ,  张天泓 ,  闫洪宇

IPC: G06V10/42 ,  G06V10/44 ,  G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明提出了一种基于无窗口高斯视觉Transformer的高效特征学习方法与系统，涉及计算机视觉领域。本发明设计无窗口高斯自注意力模块（WGSAB）作为神经网络WGViT的主要构建块，在图像处理任务中通过二维高斯分布采样token并进行交互，使得特征表达不受窗口的限制，实现神经网络捕获图像的长短距依赖，降低自注意力的计算复杂度，进行高效特征学习；堆叠多个WGSAB网络模块构成了神经网络WGViT，在WGSAB中高斯token采样（GTS）通过设置不同的均值、协方差和采样率来捕获不同的长短距依赖，所得到的神经网络模型可用于图像分类、目标检测、实例分割和语义分割等视觉任务的主干。