-
公开(公告)号：CN112699727B
公开(公告)日：2022-10-28
申请号：CN202011290844.6
申请日：2020-11-17
Applicant: 南京理工大学
Abstract: 本发明公开了一种联合反射注意力和自注意力机制的道路水体检测方法，包括：利用可见光相机采集道路水体图像并标注；构建本文所述的网络模型，并使用训练图像和标注数据对网络进行训练；将待检测的图像缩放至指定尺寸，输入训练好的网络，获得用以表示水体区域和非水体区域的二值图像。本发明能够利用可见光相机采集的路面图像高效地进行水体检测，检测结果的较为精细并且在各项指标上都有良好的表现，适用于无人车上的地表分类相关任务。
-
公开(公告)号：CN112395985B
公开(公告)日：2022-10-21
申请号：CN202011290845.0
申请日：2020-11-17
Applicant: 南京理工大学
IPC: G06V20/17 , G06V10/762 , G06V10/80 , G06V10/774 , G06T7/80
Abstract: 本发明公开了一种基于无人飞行器图像的地面无人车辆视觉道路检测方法，首先训练两个道路检测模型，分别用于航拍图像和车载图像中道路区域的识别；然后使用颜色粒子跟踪算法、基于直线段的方向匹配方法和逆投影变换，分别获得航拍图像和车载图像的共同兴趣区域图像；再对两幅共同兴趣区域图像分别进行道路检测，并将识别结果加权平均得到俯视视角融合的道路检测结果。本发明使用无人飞行器拓展视场，扩大无人车的感知范围，结合俯视视角信息进行道路检测，有效提高了远处道路部分检测的准确性，提高道路检测的鲁棒性。
-
公开(公告)号：CN111539434B
公开(公告)日：2022-09-20
申请号：CN202010281151.4
申请日：2020-04-10
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于相似度的红外弱小目标检测方法，包括构建由背景网络、小目标网络和相似度检测网络构成的ISOS‑SIM模型；合成仿真红外图像构造训练集，并设计ISOS‑SIM模型的总损失函数；利用训练集训练ISOS‑SIM模型；利用真实场景下包含真实小目标的测试集输入训练好的ISOS‑SIM模型；最后提取小目标网络模块的结果图作为最终的检测结果。本发明采用相似度判别机理，将复杂任务化简为单任务类型，利用背景网络模块作为辅助网络有效地抑制检测结果图像的虚警率，相似度判别网络模块使两者之间能够实现平衡，小目标能够获得增强效果，ISOS‑SIM模型在测试阶段仅凭训练好的小目标网络模块就可完成检测任务，将检测任务模块化，具有开发更鲁棒的模型的灵活性。
-
公开(公告)号：CN110866455B
公开(公告)日：2022-09-13
申请号：CN201911024133.1
申请日：2019-10-25
Applicant: 南京理工大学
IPC: G06V20/58 , G06V10/28 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种路面水体检测方法，包括：利用可见光相机采集道路场景图像并缩放至指定尺寸，利用标注的方法获得包含采集所得图像中水体位置信息的掩膜；构建结合了反射注意力单元的条件生成对抗网络，利用采集的道路场景图像及标注所得掩膜，训练结合了反射注意力单元的条件生成对抗网络；将待检测的图像缩放至指定尺寸，输入训练好的结合了反射注意力单元的条件生成对抗网络，获得条件生成对抗网络的生成器输出的用以表示水体检测结果的二值图像。本发明能够利用相机采集的路面图像准确高效地检测出地表水体区域，检测结果具有较高的准确率和召回率，可应用于无人驾驶领域与地表分类相关的任务中。
-
公开(公告)号：CN112464942A
公开(公告)日：2021-03-09
申请号：CN202011166359.8
申请日：2020-10-27
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于计算机视觉的重叠烟叶智能化分级方法，包括：模拟重叠烟叶的合成，得到随机等级烟叶重叠的烤烟烟叶图像。根据重叠烟叶的凹凸点性质，对重叠烟叶进行分割对于完整的烟叶，提取形状纹理特征，颜色特征，以及VGG16深度网络输出的特征。利用这些特征训练3个不同的SVM分类器，再利用集成学习的思想，将这三个个体分类器的预测结果进行集成。对于分割的烟叶识别，只需要将形状特征置零。本发明能够利用计算机视觉方法，将传统特征提取技术与深度神经网络特征提取技术相结合，通过集成技术能够有效地对完整的单片烟叶甚至重叠的烟叶进行分级，使得烟叶自动化分级代替人工分级成为可能。
-
Patent Agency Ranking
公开(公告)号：CN111353449A
公开(公告)日：2020-06-30
申请号：CN202010149314.3
申请日：2020-03-03
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于条件生成对抗网络的红外道路图像水体检测方法，该方法包括：利用红外相机采集道路图像，并缩放至指定尺寸，并标注获得表示水体位置信息的掩膜；构建条件生成对抗网络，网络采用wasserstein GAN结构，并以全卷积神经网络作为生成器，以卷积神经网络作为判别器，同时利用反射注意力单元中的预处理函数对网络中生成器和判别器的输入图像进行预处理；利用红外道路图像及对应掩膜，训练网络；将待检测的图像缩放至相应尺寸，输入训练好的条件生成对抗网络，生成器的输出即为表示水体检测结果的二值图像。本发明利用红外道路图像检测路面水体区域，准确率和召回率较高，适用于无人驾驶领域中相关任务。
-
公开(公告)号：CN110866455A
公开(公告)日：2020-03-06
申请号：CN201911024133.1
申请日：2019-10-25
Applicant: 南京理工大学
Abstract: 本发明公开了一种路面水体检测方法，包括：利用可见光相机采集道路场景图像并缩放至指定尺寸，利用标注的方法获得包含采集所得图像中水体位置信息的掩膜；构建结合了反射注意力单元的条件生成对抗网络，利用采集的道路场景图像及标注所得掩膜，训练结合了反射注意力单元的条件生成对抗网络；将待检测的图像缩放至指定尺寸，输入训练好的结合了反射注意力单元的条件生成对抗网络，获得条件生成对抗网络的生成器输出的用以表示水体检测结果的二值图像。本发明能够利用相机采集的路面图像准确高效地检测出地表水体区域，检测结果具有较高的准确率和召回率，可应用于无人驾驶领域与地表分类相关的任务中。
-
公开(公告)号：CN103076329B
公开(公告)日：2015-06-17
申请号：CN201210475963.8
申请日：2012-11-21
Applicant: 南京理工大学 , 南京焦耳科技有限责任公司
Abstract: 本发明公开了一种基于主动加热的叶中含梗红外成像检测方法，将烟叶通过振动盘和加速皮带均匀摊薄，对均匀摊薄的烟叶先运用加热装置进行加热后送入制冷装置进行冷却，再运用红外热成像仪对烟叶进行扫描形成叶片、叶梗图像，通过红外热成像仪探测目标烟叶的红外热辐射，获取目标烟叶的叶片、叶梗分布图像；对获取目标烟叶的叶片、叶梗分布图像进行图像分割，对分割出的叶梗图像进行分析，最终得到最符合实际生产的需求的叶梗信息；计算叶中含梗率。本发明能够获取清晰的烟叶叶梗图像，可以准确快速识别叶片和叶梗的形状尺寸。
-
公开(公告)号：CN103076329A
公开(公告)日：2013-05-01
申请号：CN201210475963.8
申请日：2012-11-21
Applicant: 南京理工大学 , 南京焦耳科技有限责任公司
Abstract: 本发明公开了一种基于主动加热的叶中含梗红外成像检测方法，将烟叶通过振动盘和加速皮带均匀摊薄，对均匀摊薄的烟叶先运用加热装置进行加热后送入制冷装置进行冷却，再运用红外热成像仪对烟叶进行扫描形成叶片、叶梗图像，通过红外热成像仪探测目标烟叶的红外热辐射，获取目标烟叶的叶片、叶梗分布图像；对获取目标烟叶的叶片、叶梗分布图像进行图像分割，对分割出的叶梗图像进行分析，最终得到最符合实际生产的需求的叶梗信息；计算叶中含梗率。本发明能够获取清晰的烟叶叶梗图像，可以准确快速识别叶片和叶梗的形状尺寸。
-
公开(公告)号：CN102074022A
公开(公告)日：2011-05-25
申请号：CN201110003591.4
申请日：2011-01-10
Applicant: 南京理工大学
IPC: G06T7/20
Abstract: 本发明公开了一种基于红外图像的弱小运动目标检测方法。本发明所述方法分为中值背景差图像生成、累积差图像生成、差图像分割、周期性运动区域的消除以及虚假目标剔除几个步骤。具体为：为每个象素建立灰度直方图统计其在最近一段时间内，在各灰度级上出现的频数，并计算中值，得到中值背景，与检测帧作绝对值帧差得到中值背景差图像；对相邻两帧图像连续作帧差，累积相加差图像得到累积差图像；消除周期性运动区域干扰，突出真实运动目标；利用目标运动、灰度一致性寻找合理目标轨迹。本发明所述方法能远距离、准确地、昼夜不间断地进行弱小运动目标检测，具有高实时性、高鲁棒性，且易于推广到诸如军用机器人战场侦察、视频监控等应用领域。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.032 seconds)
