-
公开(公告)号：CN112200766A
公开(公告)日：2021-01-08
申请号：CN202010921747.6
申请日：2020-09-04
Applicant: 杭州电子科技大学
IPC: G06T7/00 , G06K9/62 , G06N3/04 , G06N3/08 , G01N21/956
Abstract: 本发明提供一种基于区域关联神经网络的工业产品表面缺陷检测方法，首先对图像进行预处理，然后构建区域关联神经网络，包括目标检测网络分支和光流预测网络分支：再将训练集中的图像进行随机反转，输入区域关联神经网络中进行特征提取；对目标检测网络分支和光流预测网络分支的特征信息进行融合；最后通过目标检测网络分支进行缺陷预测；本发明方法通过多尺度特征金字塔的方式把提取出的差异性特征信息与目标检测网络分支中特征信息进行融合，增强缺陷区域的特征信息，从而提高网络在缺陷检测中检测精度和鲁棒性。
-
公开(公告)号：CN112163490A
公开(公告)日：2021-01-01
申请号：CN202010995193.4
申请日：2020-09-21
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于场景图片的目标检测方法，本发明对训练数据集进行图像预处理，然后搭建基于U‑net网络的目标检测网络，将U‑net的encoder部分替换为为协同提取模块，所述的协同提取模块包括主、副两条支路和桥接模块，通过concatenate操作将两条支路处理完成的信息进行融合，通过桥接模块进行进一步处理，最后将桥接模块处理后的数据输入decoder部分，通过训练数据集训练目标检测网络，最后将待检测图像输入训练好的目标检测网络中进行图像目标检测。本发明利用了相同物品场景图之间的相关性信息，并对siamese net、U‑net进行改进，使得图像的特征提取和相关性提取都得到了更好的结果。
-
公开(公告)号：CN112097905A
公开(公告)日：2020-12-18
申请号：CN202010825276.9
申请日：2020-08-17
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种光谱显微成像装置，包括照明光源，载物台，显微物镜，视场光阑，4F中继透镜，闪耀光栅，带通滤波器，微透镜阵列和灰度相机，且自左向右依次设置；所述的4F中继透镜共有三组，分别设置在视场光阑和闪耀光栅之间、带通滤波器和微透镜阵列之间以及微透镜阵列和灰度相机之间。本发明装置通过光路设计，达到单次曝光即可同时获得观测样本多路连续光谱通道的目的，可以实时获得观察样本视频信息，无时间延时，无计算耗时。
-
公开(公告)号：CN112085702A
公开(公告)日：2020-12-15
申请号：CN202010777954.9
申请日：2020-08-05
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于关键区域稀疏深度的单目深度估计方法，首先对训练集进行裁剪、旋转、亮度变化，对测试集进行裁剪，然后设计网络模型结构，网络模型分为编码器和上采样网络。再将训练集中的RGB图像image和相应的稀疏深度输入到编码器进行特征提取，然后进行上采样得到与输入图像相同尺寸的预测深度图，计算网络的损失函数，进行反向传播，通过选定的优化器和相应参数对连接权重进行优化。训练多轮后得到最终的网络模型。最后通过测试集进行测试。本发明采样点更加合理，有针对性，选择了对神经网络进行深度估计较关键的点，对深度估计的定量效果有了提升，相对于以往方法预测的深度更加准确，误差更小，生成的深度图效果更加清晰。
-
公开(公告)号：CN111914852A
公开(公告)日：2020-11-10
申请号：CN202010494739.8
申请日：2020-06-03
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于编解码结构的多模态显著性对象检测方法。本发明在已有的彩色图像算法模型的基础之上，将深度图像作为先验信息，补充到算法之中。本发明方法可分为两部分：一部分以彩色图像为输入，基于编解码结构的深度学习技术，实现显著性检测；另一部分用于处理深度图像，用轻量级的神经网络学习深度特征，并将特征信息补充到第一部分，从而提高整体模型的识别精度。本发明方法能够简单高效的利用深度图像，从中学习特征，增强算法的识别精度和稳定性，能够为现有部署的显著性检测算法提供快捷、低廉的更新手段。
-
Patent Agency Ranking
公开(公告)号：CN111612803A
公开(公告)日：2020-09-01
申请号：CN202010363326.6
申请日：2020-04-30
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于图像清晰度的车辆图像语义分割方法。本发明设计了一个清晰度判别模块，并将结果导入总的损失函数中，实现更加精确的分割效果，具体实现如下：步骤1、采用Tenengrad函数来对输入的车辆图像进行清晰度判定；步骤2、采用DeepLab V3+作为语义分割主干网络进行训练；步骤3、用训练完的网络输出语义分割结果。本发明对于清晰度做出判定，根据判别结果，本发明设计了相应的损失函数LD，并将其加入到语义分割主干网络的损失函数中，从而使网络具有判别车辆图像清晰度的能力，增加了网络对车辆图像语义分割的针对性，提高语义分割主干网络的分割精度。
-
公开(公告)号：CN111612741A
公开(公告)日：2020-09-01
申请号：CN202010321334.4
申请日：2020-04-22
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于失真识别的精确无参考图像质量评价方法。本发明方法首先对待评价图像进行失真信息的精准分类，然后再根据具体类型特征进行有针对性的评价，在分类工作上，使用Inception-Resnet-v2神经网络训练分类器，进行失真分类，输出类型标签；最后根据步骤(2)输出的类型标签进行对应的评价工作。本发明方法设计了一个新的开放式的评估策略，通过模拟人的主观评价逻辑，设计出先分类再评价的模型，间接的解决了通用模型中公共特征难设计的问题，在评价精度上相比于其他同类型的方法也会更高。
-
公开(公告)号：CN111612707A
公开(公告)日：2020-09-01
申请号：CN202010364618.1
申请日：2020-04-30
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于小波变换的神经网络图像去噪方法。本发明首先使用小波变换对图像进行分解，具体的是将原始图像分解成为四个子图像；对于得到的子图像，分别单独的使用设计好的全卷积神经网络进行训练，四个神经网络之间互不干扰；接下来再使用图像融合的方法将四个子图融合成为最后的去噪图像。本发明针对图像中的噪声，可以有效的进行过滤，得到一张对比度强，色彩自然，视觉效果好的图像。该算法可以在手机上应用，只需要一键操作，有效的提高图像的质量，令用户的拍照体验感提升。
-
公开(公告)号：CN111612051A
公开(公告)日：2020-09-01
申请号：CN202010364601.6
申请日：2020-04-30
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于图卷积神经网络的弱监督目标检测方法。本发明通过引入只检测到物体一部分的伪标注框作为弱监督目标检测网络的监督条件，通过多实例网络只检测到物体的一部分而不是覆盖全部物体；利用图卷积神经网络把检测为物体框的邻近且相交的候选框学习物体框的特征表示；因为和物体框相交的候选框也是物体的一部分，通过学习检测为物体的框的特征表示来改变候选框的特征表示，邻近的框学习检测为物体的框的特征；候选框和检测为物体框的特征表示就会相似，弱监督网络测试的时候会把与检测为物体框的邻近候选框也分类为目标物体；从而检测出的目标框覆盖更大的面积和更全的物体，提高弱监督目标检测的精度。
-
公开(公告)号：CN111612046A
公开(公告)日：2020-09-01
申请号：CN202010355030.X
申请日：2020-04-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种特征金字塔图卷积神经网络及其在3D点云分类中的应用。本发明通过对图卷积网络提取到的多种不同尺度的特征信息进行特征提取，在网络进行特征提取的过程中，不同深度的网络提取出的信息会有不同，通过对多种尺度可以更充分的使用网络中的特征信息，提高网络的效果。同时本发明通过深层残差图网络结构对特征进行进行提取，并构建了一种特征金字塔结构，在网络进行预测结果的以后充分的使用多种层次的特征信息，通过这种方法使得网络在进行3D点云分类的时候拥有更好的效果，同时该结构还能运用到其他任务重，本发明可以充分的利用图网络中提取的数据关系信息，提高图网络对数据的关系处理能力，提高在点云分类等图数据中的能力。
-
-
-
-
-
-
-
-
-
Search Results
477
records
(took 0.066 seconds)
