-
公开(公告)号：CN116664489A
公开(公告)日：2023-08-29
申请号：CN202310466547.X
申请日：2023-04-26
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
IPC: G06T7/00 , G06T7/10 , G06T7/136 , G06V20/70 , G06V10/774 , G06V10/82 , G06V10/26 , G06V10/764 , G06V10/40
Abstract: 本发明公开了一种基于双阶段深度神经网络的车门表面划痕检测方法，包括：采集高分辨率车门的表面图像，将存在车门表面划痕的车门背景区域和车门表面划痕作为一个整体，标注车门表面划痕所在车门表面区域的目标矩形框；构建训练集和测试集，并进行数据增强；利用训练集训练双阶段深度神经网络，将测试集送入双阶段深度神经网络输出语义分割特征图和分类结果；根据语义分割特征图，设计算法计算语义分割特征图中车门表面划痕所在目标矩形框的坐标，实现对车门表面划痕的定位。本发明可以应用于汽车生产中正负样本极不平衡的场景，而且能够在保证快速检测的前提下保持高的检测精度。
-
公开(公告)号：CN111985310B
公开(公告)日：2023-06-30
申请号：CN202010649598.2
申请日：2020-07-08
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
IPC: G06V40/16 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种用于人脸识别的深度卷积神经网络的训练方法，包括步骤：1)准备好人脸图像数据集，并划分有训练集和验证集，根据训练集的规模、复杂程度和应达到的人脸识别的性能指标，选择深度卷积神经网络模型的类型、结构、超参数和量级；2)利用模型对训练集输入的人脸图片提取特征，作为步骤3)输入；3)构建损失层，并对本次训练迭代计算损失值；4)将步骤3)计算得到的损失值与预先设定的阈值相比较，判断是停止训练还是计算梯度并更新模型参数；5)模型性能验证以及判断是否停止训练。本发明使得在训练时可以从欧式空间和角度空间两方面出发，用一种多元的作用力约束人脸特征，使深度卷积神经网络模型可以学习到更具区别力和鲁棒性的人脸特征。
-
公开(公告)号：CN111402247B
公开(公告)日：2023-04-18
申请号：CN202010206871.4
申请日：2020-03-23
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
IPC: G06T7/00 , G06T7/11 , G06T7/73 , G06T7/62 , G06T5/20 , G06T5/10 , G06V10/82 , G06V10/766 , G06V10/28 , G06V10/764 , G01N21/88 , G01B11/26
Abstract: 本发明公开了一种基于机器视觉的输电线路上悬垂线夹缺陷检测方法，包括：无人机采集输电线路图像，制作实例分割和关键点检测训练数据集；采用Mask‑Keypoints R‑CNN网络对无人机图像进行分割和关键点检测，分割获得悬垂线夹的矩形区域图像、二值化掩膜及上、下、左、右四个关键点坐标；基于四个关键点坐标计算悬垂线夹的倾斜角度；对分割的悬垂线夹矩形区域进行同态滤波数据增强，降低光照和阴影的影响；将分割后的图像转到HSV颜色空间中，基于H分量值定位腐蚀位置，并统计腐蚀面积和判断腐蚀程度。本发明可以实现精确检测并悬垂线夹的倾角并判断悬垂线夹的腐蚀程度。
-
公开(公告)号：CN111368825B
公开(公告)日：2023-04-18
申请号：CN202010114861.8
申请日：2020-02-25
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
IPC: G06V10/26 , G06V20/70 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于语义分割的指针定位方法，包括步骤：1)指针式仪表数据的预处理与数据集的构建；2)针对识别对象及应用场景的特点，设计匹配的语义分割网络；3)对所设计的语义分割网络装载训练参数进行训练，训练完毕后得到指针分割模型；4)将待识别图像经预处理之后输入已训练的指针分割模型中，得到指针的像素级分割区域；5)通过图像处理技术对指针的像素级分割区域进行直线提取，并拟合出指针的位置方程以实现指针定位。本发明整个方法过程简单可靠，可以对各种复杂环境下的各种类型的指针进行精细分割。
-
公开(公告)号：CN111462057B
公开(公告)日：2023-02-21
申请号：CN202010206878.6
申请日：2020-03-23
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
Abstract: 本发明公开了一种基于深度学习的输电线路上玻璃绝缘子自爆检测方法，通过无人机采集输电线路图像，使用深层Mask R‑CNN网络分割玻璃绝缘子串，并基于不变矩计算绝缘子串长轴的拟合直线方程。对裁剪后的玻璃绝缘子串图像使用浅层Mask R‑CNN网络进一步分割玻璃绝缘子片并计算质心位置。通过质心到拟合直线的距离判断玻璃绝缘子串的类型，并基于相邻质心的距离与距离阈值的比例定位自爆缺陷位置。本发明可以实现精确检测并定位玻璃绝缘子串的自爆缺陷位置，保障输电供电安全。
-
Patent Agency Ranking
公开(公告)号：CN114581843A
公开(公告)日：2022-06-03
申请号：CN202210161104.5
申请日：2022-02-22
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
IPC: G06V20/52 , G06V20/40 , B66B29/00 , G06K9/62 , G06V10/778
Abstract: 本发明公开了一种基于深度学习的扶梯乘客危险行为识别方法，通过位于扶梯楼层板上方的摄像机拍摄含有乘客的扶梯视频段，使用目标检测、跟踪及关节点提取算法获得骨架序列，对骨架序列进行归一化、插帧处理制作数据集，同时将2S‑AGCN网络进行改进以提高骨架关节点连接的合理性，增强模型拟合能力，以用于对骨架序列进行行为分类，并对训练集进行数据扩增后训练该网络模型，在测试阶段，使用插帧及归一化方法保证数据分布与训练集一致，且根据连续多帧的分类结果决定当前帧乘客的行为类别，最终得到稳定的扶梯乘客危险行为识别结果。本发明可以快速准确的判断扶梯上是否存在乘客出现危险行为，保护乘客的人身安全不受威胁。
-
公开(公告)号：CN112750125B
公开(公告)日：2022-04-15
申请号：CN202110118779.7
申请日：2021-01-28
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
Abstract: 本发明公开了一种基于端到端关键点检测的玻璃绝缘子片定位方法，包括：1)电力巡检玻璃绝缘子实例分割数据集的构建与标注；2)利用数据增强算法进行数据扩充；3)训练得到实例分割模型并将玻璃绝缘子所在区域的最小外接多边形图像切割下来，作为下一步关键点检测的数据集；4)标注关键点检测数据集并做数据扩充；5)设计一个端到端的关键点检测模型，不断调优训练；6)将训练好的实例分割模型和关键点检测模型串联起来工作：将待检测的玻璃绝缘子图片输入训练好的实例分割模型，将分割结果的区域切割下来输入到训练好的关键点检测模型，得到图中各玻璃绝缘子片所在位置关键点的坐标值。本发明可提高玻璃绝缘子片定位的速度和精确度。
-
公开(公告)号：CN110796023B
公开(公告)日：2022-03-29
申请号：CN201910955512.6
申请日：2019-10-09
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
Abstract: 本发明公开了一种AGV智能泊车系统交互区停车状态车轮位置的识别方法，该方法是通过主摄像头在智能泊车系统交互区的正上方以俯视角度采集图像，准确识别车辆目标，对车辆目标处于停车状态时的车身位置信息进行提取和分析，并结合从辅助摄像头采集到的车辆侧面图像提取出来的车轮相关信息，求出车轮在主摄像头采集到的俯视图象中的位置，为自动泊车机器人对车辆的搬运提供有效信息，从而有效提高AGV泊车系统管理的智能化水平。
-
公开(公告)号：CN114066788A
公开(公告)日：2022-02-18
申请号：CN202111245120.4
申请日：2021-10-26
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
Abstract: 本发明公开了一种平衡的实例分割数据合成方法，包括：1)使用原始数据集的图像和标签构建对象实例库；2)读取原始数据集中的一个图像和标签，根据标签对这个图像生成前景背景掩模图，根据这个图像的尺寸均匀生成10×10个候选点；3)设定一个粘贴尺寸列表，根据设定的粘贴尺寸列表，将10×10个候选点为中心的区域与前景背景掩模图进行计算，选取不和前景重叠的区域加入粘贴区域；4)通过类别平衡从对象实例库中选取对象，进行缩放后粘贴对象到粘贴区域，并更新标签。本发明使用图像合成的方法实现数据增强，具有更好的适用性和多样性，可以应用于难度更大的实例分割任务，计算量非常少，运算速度快，基本上不会增加训练网络的时间。
-
公开(公告)号：CN113888590A
公开(公告)日：2022-01-04
申请号：CN202111066330.7
申请日：2021-09-13
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
Abstract: 本发明公开了一种基于数据增强和孪生网络的视频目标跟踪方法，包括步骤：1)设置视频中的跟踪目标模板和待搜索区域；2)利用数据增强模块对跟踪目标进行数据增强得到数据增强后的目标模板；3)使用孪生网络提取数据增强后的目标模板的特征图和提取待搜索区域的特征图；4)利用数据增强后的目标模板的特征图和搜索区域的特征图进行匹配得到响应图；5)获取响应图中响应值最大的位置预测目标位置。本发明利用数据增强模块增加视频中待跟踪目标的多样性后，利用孪生网络对视频序列中的目标进行跟踪，使得在遇到跟踪目标有较大形变、光照变化、背景杂乱等干扰等情况时，仍然能保证优异的性能。
-
-
-
-
-
-
-
-
-
Search Results
224
records
(took 0.069 seconds)
