基于深度学习的手写体乐谱谱线删除方法

    公开(公告)号:CN112686272B

    公开(公告)日:2025-01-14

    申请号:CN202011512328.3

    申请日:2020-12-19

    Inventor: 黄志清 张煜森

    Abstract: 本发明公开了基于深度学习的手写体乐谱谱线删除方法,本发明模型训练所用数据集为ICDAR/GREC 2013手写体五线谱谱线删除比赛数据集,并且对该数据集进行数据增强,本发明使用了3种不同的数据增强方法。本发明的手写体乐谱谱线删除深度卷积神经网络模型,将含有乐谱图像输入的模型,模型的直接输出不含谱线的乐谱图像的结果图。本方法引入了旋转,谱线间断,谱线加粗3种额外噪声来模拟自然场景下的乐谱,提升了模型的泛化能力。提出了手写体乐谱谱线删除模型,实现了99.3%的删除准确率,在实时性上完成一张1024*2048大小的乐谱图像仅需14.85秒,相较于前文所提模型在实时性上大幅提高。

    基于介电参数匹配的单层电磁波吸收材料设计方法

    公开(公告)号:CN119297611A

    公开(公告)日:2025-01-10

    申请号:CN202411336256.X

    申请日:2024-09-24

    Abstract: 基于介电参数匹配的单层电磁波吸收材料设计方法属于电磁波吸收材料领域。介电损耗型吸波材料主要包括导电高分子、MXene和碳材料等,虽然密度较小、相对填充量低,但容易出现阻抗失配,导致涂层吸波材料设计难度大。本发明根据应用目标频段和吸波性能的具体需求,选择最佳参数的吸波材料,解决非磁性宽频吸波材料的设计问题。

    一种悬浮污泥与生物膜混合技术提升城市污水厂厌氧氨氧化脱氮与除磷的方法

    公开(公告)号:CN119285098A

    公开(公告)日:2025-01-10

    申请号:CN202411627354.9

    申请日:2024-11-14

    Abstract: 本发明涉及一种悬浮污泥与生物膜混合技术提升城市污水厂厌氧氨氧化脱氮与除磷的方法。部分原水、沉淀池一部分出水以及部分污泥三者共同进入混合反应区,沉淀池二中的污泥通过污泥回流管路回流至反应区前端,沉淀池一和沉淀池二的出水合并出水。沉淀池一引部分污泥到混合反应区,调控悬浮污泥与生物膜混合量以提升厌氧氨氧化菌的丰度,通过沉淀池二污泥回流至反应区前端强化悬浮污泥整体厌氧氨氧化菌丰度,进而提高脱氮性能,同时因厌氧氨氧化节省的部分碳源强化生物除磷。该方法无需中断污水处理厂的正常运行且能提升脱氮除磷性能,适用于已建成城市污水处理厂的提标改造或新建污水处理厂深度脱氮除磷。

    一种改进水墨画仿真技术的水墨笔画三维化的计算方法

    公开(公告)号:CN114882193B

    公开(公告)日:2025-01-10

    申请号:CN202210352550.4

    申请日:2022-04-05

    Inventor: 王冠 赵庆阳

    Abstract: 本发明公开了一种改进水墨画仿真技术的水墨笔画三维化的计算方法,首先是创建多边形网格物体,处理网格的拓扑结构。并提取网格物体的特征线作为水墨笔画的轨迹。特征线是三维模型的结构特征。提取出特征线后,笔画外观的着色会使用笔画的初始图像作为纹理贴图附在三维面片上,三维面片会平均分布在提取的特征线的路径线上,通过紧密的排列组成线段形成笔画,并且根据路径线上的顶点存储的属性数据控制笔画的粗细和浓淡,模拟水墨画的笔迹。使路径线上每个三维面片朝向视点。视觉上就能实现三维立体的水墨线条。

    一种基于二型模糊宽度学习的污泥膨胀智能决策方法

    公开(公告)号:CN113191483B

    公开(公告)日:2025-01-10

    申请号:CN202110420228.6

    申请日:2021-04-19

    Abstract: 本发明提出了一种基于二型模糊宽度学习的污泥膨胀智能决策方法,针对污水处理厂中污泥膨胀事件频发、危害巨大等问题。本发明利用宽度学习网络建立污泥膨胀决策模型,采用二型模糊神经元替代宽度学习网络的特征层神经元,实现污泥膨胀精准决策,降低污泥膨胀发生率。实验结果表明该方法能够提供准确的决策意见,减轻污泥膨胀造成的危害,保障污水处理过程安全,促进污水处理厂高效稳定运行。

    一种基于深度学习的带钢缺陷检测方法

    公开(公告)号:CN112614113B

    公开(公告)日:2025-01-10

    申请号:CN202011569750.2

    申请日:2020-12-26

    Inventor: 刘博 赵业隆

    Abstract: 本发明公开了一种基于深度学习的带钢缺陷检测方法,基于U‑Net的编码器,编码器通过反复的卷积操作提取图像中的特征,并进行五次下采样操作,提取不同尺度的特征。解码器部分与编码器对称,接受了编码器的输出,进行五次上采样,并且每次上采样得到的结果会与编码器同尺度的特征图进行拼接。下采样前使用高斯低通滤波器,去除其中的高频信息,防止因特征图原频率过高,出现混叠现象,导致特征图出现偏差。被去除的高频信息中蕴含了原图的细节信息,这些细节信息对带钢小型缺陷的检测至关重要,直接舍弃会影响效果。本方法将这些高频信息进一步加回到模型解码器的特征图上,产生更精细的分割效果。

    一种基于图卷积神经网络的三维点云自动分类方法

    公开(公告)号:CN112488210B

    公开(公告)日:2025-01-10

    申请号:CN202011398492.6

    申请日:2020-12-02

    Abstract: 一种基于图卷积神经网络的三维点云分类方法,用于服务型机器人抓取三维物体过程中对复杂的物体实现自动分类识别,便于根据类别信息确定抓取位置进行抓取。属于计算机视觉的三维感知和机器人导航技术领域。包括以下步骤:(1)对三维点云进行预处理;(2)构建点云分类网络;(3)训练所构建的网络;(4)利用训练完成的网络进行分类测试。本发明的优点在于:(1)采用图卷积神经网络进行局部特征学习,增强网络对局部拓扑结构信息的学习能力;(2)对输入的点云进行全局特征学习,增强网络对上下文语义的理解。将局部特征和全局特征相聚合,再利用全连接层输出每个点云的分类得分,相较于现有网络具有更高的分类精度。

    一种基于深度学习的超像素分割方法

    公开(公告)号:CN112419325B

    公开(公告)日:2025-01-10

    申请号:CN202011360361.9

    申请日:2020-11-27

    Inventor: 马伟 李鹏

    Abstract: 本发明公开了一种基于深度学习的超像素分割方法,具体包括针对编码器部分的网络过参数化、网络剪枝和解码器部分的TDT(Top‑down‑top)解码结构,本发明基于深度学习并具备端到端学习能力,具备与其他视觉任务更充分的融合能力,进而可以促进其它视觉任务的快速发展。该发明的方法步骤大体分为三个阶段:网络搜索策略中的网络过参数化阶段;网络搜索策略中的网络剪枝阶段;网络解码能力强化并重新训练阶段。本发明在编码器特征提取过程中的边界捕捉能力和解码器超像素分割过程中的结构保留能力均有提升,能有效减少错分割现象的出现,同时其在网络过参数化、网络剪枝和TPT解码器结构设计上具有很好的可解释性,并且其方法计算效率高,超像素分割速度可以达到实时。

Patent Agency Ranking