-
公开(公告)号：CN114235810B
公开(公告)日：2024-11-05
申请号：CN202111309276.4
申请日：2021-11-06
Applicant: 东南数字经济发展研究院
IPC: G01N21/88
Abstract: 一种基于高频面阵工业相机的布匹瑕疵检测方法，包括以下步骤：采集图像；分割图像，将采集到的图像分割成416*416大小的子图；图像预处理；检测布匹瑕疵目标；检测布匹瑕疵间相似度；设定虚拟线计算布匹瑕疵数量。本发明采用面阵工业相机作为验布机布匹瑕疵图像采集传感器，利用布匹瑕疵间相似度检测避免面阵工业相机在拍摄布匹运动时因为前后帧图像存在区域重叠而导致的瑕疵点存在的重复计数问题，将布匹瑕疵目标检测模型输出的结果图像中标记为瑕疵的区域输入孪生神经网络进行训练和推理，提升了布匹瑕疵间相似度检测的鲁棒性。
-
公开(公告)号：CN114612315B
公开(公告)日：2024-08-09
申请号：CN202210008040.5
申请日：2022-01-06
Applicant: 东南数字经济发展研究院
IPC: G06T5/77 , G06T5/60 , G06T7/13 , G06V20/13 , G06V10/44 , G06V10/82 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/084 , G06N3/0985
Abstract: 本发明提出了一种基于多任务学习的高分辨率影像缺失区域重建方法，该方法将高空间分辨率影像上的缺失区域填充看成一个条件式的图像生成问题，采用基于门控卷积的条件式对抗生成网络模型结构进行实现。其中，生成器通过编码和解码的结构进行特征提取，并使用同一特征进行地物类别、边界提取和缺失区域填充完成三个相关的任务，引导特征提取模块关注地物类型、边界等信息，从而获得细节丰富、真实的无缺失影像。判别器判别各个影像是生成的，还是真实的，并据此指导生成器进行优化。本发明通过引导生成器关注地物边界和地物类别信息，可以获得细节与纹理丰富的无缝重建结果。
-
公开(公告)号：CN110825512B
公开(公告)日：2024-05-24
申请号：CN201911086854.5
申请日：2019-11-08
Applicant: 东南数字经济发展研究院
Abstract: 本发明提供了一种通用的分布式系统设计及其C++实现，其中该系统包括：前端设备，用于构建任务并发送任务；与前端设备相连的数据库服务器，用于存储任务；与数据库服务器相连的计算服务器集群，计算服务器集群包括用于从数据库服务器提取任务并分发任务的管控服务器，和，与管控服务器相连的、用于执行任务的多台计算服务器；其中每个计算服务器集成有：多个应用场景共有的多个系统服务进程，多个应用场景共有的多个通用服务进程，以及，适用于多个应用场景的多个定制服务进程。由于系统服务进程、通用服务进程为不同应用场景所共有的，定制服务进程是针对每个应用场景的个性化进程，由此使得本发明提供的分布式系统具有通用性。
-
公开(公告)号：CN113409413B
公开(公告)日：2024-04-19
申请号：CN202110620359.9
申请日：2021-06-03
Applicant: 东南数字经济发展研究院 , 衢州东南飞视科技有限公司
IPC: G06T11/00 , G06N3/0442 , G06N3/084
Abstract: 针对时序遥感影像具有描述地表时间及其空间变化特征的能力，本发明提出一种利用门控卷积‑长短记忆网络的时序影像重建方法。该网络基于生成对抗网络架构，首先利用时序影像训练一个特征提取模型，该模型采用门控卷积结合长短记忆网络，提取时序影像在时间和空间上的变化关系；然后，将人工生成结果和真实影像输入到分类器，判断输入是人工生成结果还是真实影像，通过二者的对抗训练，实现二者的协同优化；然后，将待重建的影像输入到生成器中，根据的有效部分，预测影像上的缺失部分，生成一张无缺失的影像。
-
公开(公告)号：CN111415295B
公开(公告)日：2024-01-12
申请号：CN202010186067.4
申请日：2020-03-17
Applicant: 东南数字经济发展研究院
IPC: G06T3/067 , G06T7/70 , G06T17/00 , H04N23/698
Abstract: 一种倾斜摄影三维模型的拍摄分辨率正射图生成方法，能够从任意三维模型中生成拍摄分辨率正摄图。该方法包括以下步骤：首先，利用三维软件将照片生成为三维模型和记录相机参数的XML文件；其次，对生成的三维模型的大小进行测量，将测量得到的模型长宽高数据保存；然后，利用三维模型、XML文件、模型长宽高数据计算三维模型的分辨率；最后，利用计算得到分辨率生成正摄图。本方法的优点是能够自动从由倾斜摄影照片建模的三维模型中生成拍摄分辨率正摄图，最为重要的是生成的正摄图精度高，为技术人员评估模型的可靠性、精确性、可用性提供了有力保证。(56)对比文件US 5825364 A,1998.10.20CN 110006407 A,2019.07.12CN 108537885 A,2018.09.14CN 109520479 A,2019.03.26
-
Patent Agency Ranking
公开(公告)号：CN117371201A
公开(公告)日：2024-01-09
申请号：CN202311301122.X
申请日：2023-10-10
Applicant: 东南数字经济发展研究院
Abstract: 本发明提供一种基于知识图谱的生活用纸折叠设备数字孪生体构建方法，涉及设备故障检测技术领域。该基于知识图谱的生活用纸折叠设备数字孪生体构建方法，具体包括以下步骤：S1.统一格式；S2.构建知识图谱本体结构；S3.构建知识图谱数据结构；S4.建模和演示；S5.故障监测。通过本发明的方法能够对大型设备进行数字孪生建模，实现大型设备的3D可视化展示，并利用知识图谱技术构建设备各部件、设备故障之间复杂的关系网络，最终基于知识图谱的数字孪生可以反映实际大型设备的状态和行为，对设备性能进行监测和预判，实现了快速准确的检测和监测设备故障的作用，且上手简单，易于操作。
-
公开(公告)号：CN112308754B
公开(公告)日：2023-08-18
申请号：CN202011192222.X
申请日：2020-10-30
Applicant: 东南数字经济发展研究院
IPC: G06T1/00 , G06N3/0455
Abstract: 本发明公开了面向大容量鲁棒水印应用的多解码端并行提取方法，将图片训练集放入网络模型中训练，按照不同的方案，生成不同类型的模型文件，根据用户的安全等级和需要将不同的模型发送给用户；在嵌入端使用模型将指定的信息嵌入到图片中；将打印和拍摄后含有水印的图像通过不同的模型提取出不同的水印信息。本发明提出的多解码端并行提取网络能够提升水印信息的嵌入提取能力，既能保证大容量数据嵌入，还能保持解码准确率，本方法能够嵌入200bits信息，并且准确率保持在93％左右，提出的多解码端并行提取网络，支持多种信息安全分级管理模式，如此可提高信息的分级管理水平，扩大应用范围。
-
公开(公告)号：CN113610000B
公开(公告)日：2023-07-07
申请号：CN202110907174.6
申请日：2021-08-09
Applicant: 东南数字经济发展研究院
Abstract: 本发明公开了一种包装漏件检测的方法和装置，包括获取每个包装组件和包装成品在工作台上的拍摄图像，要求包装组件和包装成品逐一摆放且只摆放一个，利用结构相似度算法对上述拍到的图像与没有包装组件和包装成品的空工作台图像进行计算处理，得到其差分图像并对差分图像进行轮廓检测。本发明属于包装检测技术领域，具体是指一种可以当包装物体个数和外观因工作订单的变化而发生变化时完成该包装组件图像数据的自动标注，然后用模型针对标注好的数据进行训练的包装漏件检测的方法和装置。
-
公开(公告)号：CN112200710B
公开(公告)日：2023-05-23
申请号：CN202011067971.X
申请日：2020-10-08
Applicant: 东南数字经济发展研究院
Abstract: 本发明涉及一种基于深度学习的自适应隐形水印同步检测方法，基于Adam优化器，框架中共包括2个U型子网络和一个CNN子网络，分别是标记网络、检测网络和辨别器，在嵌入标记时，标记网络通过将提取水印图像四个角固定大小的方形区域作为标记网络的输入，输出带有位置信息的四张残差图像并依次将其放回原图中获得标记图像，在检测标记时，将拍摄的标记图像送入检测网络中，输出显示残差图像位置的掩码图，从而确定水印图像的四个角点，再使用透视变换实现水印图像与拍摄的标记图像的同步，辨别器进行区分原水印图像和水印标记图像。本发明涉及的一种基于深度学习的自适应隐形水印同步检测方法，在保证视觉效果的前提下极大的提高了水印的解码准确率。
-
公开(公告)号：CN114612315A
公开(公告)日：2022-06-10
申请号：CN202210008040.5
申请日：2022-01-06
Applicant: 东南数字经济发展研究院
Abstract: 本发明提出了一种基于多任务学习的高分辨率影像缺失区域重建方法，该方法将高空间分辨率影像上的缺失区域填充看成一个条件式的图像生成问题，采用基于门控卷积的条件式对抗生成网络模型结构进行实现。其中，生成器通过编码和解码的结构进行特征提取，并使用同一特征进行地物类别、边界提取和缺失区域填充完成三个相关的任务，引导特征提取模块关注地物类型、边界等信息，从而获得细节丰富、真实的无缺失影像。判别器判别各个影像是生成的，还是真实的，并据此指导生成器进行优化。本发明通过引导生成器关注地物边界和地物类别信息，可以获得细节与纹理丰富的无缝重建结果。
-
-
-
-
-
-
-
-
-
Search Results
107
records
(took 0.035 seconds)
