-
公开(公告)号：CN116824272B
公开(公告)日：2024-02-13
申请号：CN202311006238.0
申请日：2023-08-10
Applicant: 湖北工业大学
IPC: G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/08 , G06T7/73 , G06V10/24 , G06V10/44 , G06V10/82
Abstract: 本发明涉及目标检测技术领域，具体为基于旋转特征的特征增强目标检测方法，包括以下步骤：对输入的三维特征图[C,H,W]分别进行90°、180°、270°旋转，得到四组三维特征图，将四组三维特征图分别通过RTC模块，经Reshape操作、卷积、GeLU激活函数、卷积、Bach Normalization函数归一化、GeLU激活函数得到四个角度F'1,F'2,F'3,F'4。该基于旋转特征的特征增强目标检测方，通过对特征图进行旋转不同的角度，使得模型获得不同角度的特征，增加特征的多样性，再通过注意力机制使得模型关注更加重要的部分，以提高目标检测模型的精度。
-
公开(公告)号：CN117523426A
公开(公告)日：2024-02-06
申请号：CN202311448579.3
申请日：2023-11-02
Applicant: 湖北工业大学
Abstract: 本发明提供了一种融合特征金字塔的低空目标检测算法，包括如下步骤：S1：使用采集的视频段进行低空目标数据集的搭建，所述数据集包括训练集和测试集；S2：采用Swin Transformer骨干网络中加入特征融合结构，构建融合特征金字塔的低空目标检测网络模型；S3：使用训练集图像对融合特征金字塔的低空目标网络模型进行训练；S4：使用步骤S3中训练好的融合特征金字塔的低空目标网络模型对测试集图像进行检测，得到图像目标检测结果。本发明采用Swin Transformer骨干网络，在提高检测精度的同时，基本保证了检测实时性；相对于SSD算法改善了背景干扰带来的漏检、错检问题，对小目标的检测能力得到了提升。
-
公开(公告)号：CN115334551B
公开(公告)日：2023-03-24
申请号：CN202211264605.2
申请日：2022-10-17
Applicant: 湖北工业大学
Abstract: 本发明涉及一种基于契约理论的任务卸载与资源分配优化方法及系统。首先建立基站和边缘服务器的模型，针对任务卸载场景，计算基站和边缘服务器的效用；然后构建基于契约理论的边缘计算网络任务卸载与资源分配联合优化目标函数，最后通过数学方法和遗传优化算法求解基于契约理论的边缘计算网络任务卸载与资源分配联合优化目标函数，获取最优的契约项。本发明提出的基于契约理论的激励方法以实现任务卸载和资源分配，并保证基站效用的最大化。同时，本发明还首次引入计算激励来平衡计算任务卸载和资源分配，可以实现实时高效的任务卸载和资源分配。
-
公开(公告)号：CN114972752A
公开(公告)日：2022-08-30
申请号：CN202210516623.9
申请日：2022-05-12
Applicant: 湖北工业大学
IPC: G06V10/26 , G06F17/16 , G06V10/774 , G06V10/82
Abstract: 本发明涉及一种基于轻量级交叉注意网络的实时语义分割的方法，包括：准备训练、测试用的图像数据集；构建基于交叉注意机制的轻量级实时语义分割网络，包括编码器和解码器，编码器仅去除ResNet18尾部的全连接层以后的部分，其余部分保持不变，解码器包括两个CSCA模块和一个CAB模块；使用训练好的网络模型得到图像语义分割结果。本发明提出的CSCA模块使用条状交叉亲和运算来生成通道注意力权重向量，以实现经济的浅层特征选择及多尺度特征混合，从而使网络的分割轮廓更清晰，引入解码器的噪声更小；CAB模块通过捕获水平和垂直空间维度之间的交叉信息以获取远程交叉上下文信息，有效地消除了卷积神经网络(CNN)无法捕获远程上下文信息的限制。
-
公开(公告)号：CN110781776B
公开(公告)日：2022-07-05
申请号：CN201910959220.X
申请日：2019-10-10
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于预测和残差细化网络的道路提取方法，针对道路目标的不同特征，设计了预测网络和残差细化网络组合的航拍图像道路提取算法。预测网络采用Encoder‑Decoder结构；其次，预测网络结合了空洞卷积模块DCM和多核池化模块MPM，能够充分地获得图像的上下文信息和道路边缘信息，提高道路边缘检测能力。残差细化网络将对预测网络产生的初始道路预测结果进行细化，改善预测网络由于噪声产生的道路模糊化，网络还融合了BCE、SSIM以及IoU损失函数进行监督训练，减少道路信息损失，有利于提取完整的道路结构。
-
Patent Agency Ranking
公开(公告)号：CN111667444B
公开(公告)日：2021-12-03
申请号：CN202010478064.8
申请日：2020-05-29
Applicant: 湖北工业大学
Abstract: 本发明涉及图像处理领域，主要涉及一种基于多通道残差网络的图像压缩感知重建方法。本发明首先利用全卷积网络对输入数据进行测量，随后使用反卷积网络对测量信号进行初始重建，最后利用空洞卷积组成的多通道网络完成图像的深度重建。本发明能有效提高测量效率，输入为完整图像，不需要分块处理，且高精度重建原始图像重建，避免了分块效应。
-
-
公开(公告)号：CN112215788A
公开(公告)日：2021-01-12
申请号：CN202010966366.X
申请日：2020-09-15
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于改进生成对抗网络的多聚焦图像融合算法，应用于同一场景下不同位置聚焦拍照所提取的目标图像。首先，对生成器网络和判别器网络进行设计，为了避免图像在网络模型传递过程中造成的信息丢失，裁撤网络结构中的池化层，通过卷积层叠提取图像特征；其次，构建生成对抗网络的损失函数，优化网络参数，得到最佳的网络模型；最后，将所获取到的目标图像输入到训练好的模型中，获得融合图像；本发明在进行多聚焦图像融合算法时，通过生成对抗网络中的生成器生成融合图像，再将生成图像与源图像输入到判别器中，若判别器无法判别，则表明生成图像是最佳的融合图像。
-
公开(公告)号：CN110796010A
公开(公告)日：2020-02-14
申请号：CN201910931461.3
申请日：2019-09-29
Applicant: 湖北工业大学
Abstract: 本发明公开了一种结合光流法和卡尔曼滤波的视频稳像方法，首先在预稳定阶段，通过光流法跟踪视频帧的最小特征值特征点，由此求解出每个视频帧的2D仿射变换矩阵，并将其作用于下一步输入视频的帧，从而将最终生成的裁剪视频作为预稳定阶段的输出。然后对预稳定视频帧进行Shi-Tomasi角点检测，并对角点进行LK角点跟踪；随后利用RANSAC算法估计全局运动；再使用卡尔曼滤波器对得到的运动参数进行滤波，以达到平滑的目的；最后由原始相机路径与平滑路径的关系进行运动补偿，从而得到稳定视频；本发明采用光流法预稳定视频，使得视频内部运动减小，使得运动效果更好；本发明采用卡尔曼滤波器平滑相机路径，使得内部运动路径更加平滑。从而使得抖动视频更加稳定。
-
公开(公告)号：CN110717411A
公开(公告)日：2020-01-21
申请号：CN201910897768.6
申请日：2019-09-23
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于深层特征融合的行人重识别方法，提出了一种基于深层特征融合的行人重识别网络模型，从空间维度提升网络性能。首先，利用卷积层和池化层多次提取网络深层特征，使用融合后的深层特征作为行人图像的特征属性，融合后的特征具有更好的细粒度特征表达能力。其次，为提高模型的泛化能力，在深层融合特征后加入一个批量归一化层，同时采用标签平滑损失函数和三元组损失函数对模型进行联合训练，提高了模型的泛化能力。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.05 seconds)
