-
公开(公告)号：CN110097090A
公开(公告)日：2019-08-06
申请号：CN201910282865.4
申请日：2019-04-10
Applicant: 东南大学
Abstract: 基于密集卷积和深度可分离卷积的视网膜血管分割方法。包括：对视网膜血管图原始图像进行预处理；对数据集进行数据增强；构建基于密集卷积与深度可分离卷积结合的全卷积神经网络，并使用带有权重的损失函数对训练集进行训练；测试并得到最后分割结果图。本发明是以编码-解码的对称网络作为主干网络。加入深度可分离卷积，大大降低了模型参数量；使用了密集卷积块，将所有层在通道上连接，加强了信息的传递并有效利用了各个尺度的特征值；在图像预处理过程中，对其进行自适应伽马矫正，对不同特征区域用不同的伽马值矫正，在提升特征对比度的同时弱化背景噪声；在训练时使用带有权重的损失函数，增强待分割血管在训练时所占比重。
-
公开(公告)号：CN109583328A
公开(公告)日：2019-04-05
申请号：CN201811345088.5
申请日：2018-11-13
Applicant: 东南大学
Abstract: 本发明公开了一种嵌入稀疏连接的深度卷积神经网络字符识别方法，属于信息与通信工程领域。本发明提供的字符识别方法，是基于深度卷积神经网络的，与现有方法不同的是，本发明是对深度卷积神经网络结构的改进，针对原有网络所存在的训练时内存溢出的问题，在原有的深度卷积神经网络中嵌入稀疏连接层，增加了网络的宽度，减少了参数，降低参数空间的维度。从而节省在网络训练和测试时所需要的硬件开销，减少了训练网络时所占用的内存空间，缩短了训练时所需要的时长。
-
公开(公告)号：CN110097536B
公开(公告)日：2023-04-18
申请号：CN201910285184.3
申请日：2019-04-10
Applicant: 东南大学
Abstract: 本发明公开了基于深度学习和霍夫变换的六边形螺栓松动检测方法，属于计算机视觉技术领域。本发明使用深度学习技术，通过基于区域的全卷积神经网络目标检测算法实现螺栓松动的检测。先对输入图片计算深度特征从而得到螺栓位置，再在原有图片中根据计算得到的螺栓位置提取出螺栓图像并经过一系列图像处理算法得到边缘信息，再使用霍夫变换计算螺栓角度。采用我们设计的检测方案可以准确检测出螺栓是否发生松动。
-
Patent Agency Ranking
公开(公告)号：CN109583328B
公开(公告)日：2021-09-03
申请号：CN201811345088.5
申请日：2018-11-13
Applicant: 东南大学
Abstract: 本发明公开了一种嵌入稀疏连接的深度卷积神经网络字符识别方法，属于信息与通信工程领域。本发明提供的字符识别方法，是基于深度卷积神经网络的，与现有方法不同的是，本发明是对深度卷积神经网络结构的改进，针对原有网络所存在的训练时内存溢出的问题，在原有的深度卷积神经网络中嵌入稀疏连接层，增加了网络的宽度，减少了参数，降低参数空间的维度。从而节省在网络训练和测试时所需要的硬件开销，减少了训练网络时所占用的内存空间，缩短了训练时所需要的时长。
-
公开(公告)号：CN110097536A
公开(公告)日：2019-08-06
申请号：CN201910285184.3
申请日：2019-04-10
Applicant: 东南大学
Abstract: 本发明公开了基于深度学习和霍夫变换的六边形螺栓松动检测方法，属于计算机视觉技术领域。本发明使用深度学习技术，通过基于区域的全卷积神经网络目标检测算法实现螺栓松动的检测。先对输入图片计算深度特征从而得到螺栓位置，再在原有图片中根据计算得到的螺栓位置提取出螺栓图像并经过一系列图像处理算法得到边缘信息，再使用霍夫变换计算螺栓角度。采用我们设计的检测方案可以准确检测出螺栓是否发生松动。
-
公开(公告)号：CN109815946A
公开(公告)日：2019-05-28
申请号：CN201811468489.X
申请日：2018-12-03
Applicant: 东南大学
Abstract: 本发明提供了一种基于密集连接网络的多线程营业执照定位识别方法，包括：对输入的营业执照图像进行预处理；基于图像预处理结果，对处理后的结果分别进行营业执照识别处理和许可证号识别处理，营业执照识别处理采用基于密集连接网络的多线程识别网络识别出营业执照上的所有文字，许可证号识别处理识别出营业执照上的许可证号；将营业执照识别模块和许可证号识别模块输出的识别结果相对应地融合，利用许可证号识别处理的识别结果，为营业执照识别处理识别出的许可证号纠错。本发明基于密集连接网络的多线程识别网络提高了营业执照字符的识别精度，并可结合许可证号独立识别结果对比纠错，进一步提高识别准确度，本发明适用于各类文字识别场景。
-
公开(公告)号：CN110136126A
公开(公告)日：2019-08-16
申请号：CN201910414690.8
申请日：2019-05-17
Applicant: 东南大学
Abstract: 本发明公开了一种基于全卷积神经网络的圆织机织物纹理瑕疵检测方法，属于计算机视觉技术领域。本发明对于软管纺织中存在的四类瑕疵和检测时的实时性要求，将基于区域的全卷积网络中使用的ResNet-101替换为浮点数运算量减少一半，特征提取能力相当的ResNeXt-50网络。针对条带状织物特征图尺寸较小的问题，去除网络中最后一次降采样，并引入空洞卷积替代普通卷积，加大感受野，使每个卷积的输出都含有较大范围的信息，使用多尺度交替训练和在线难示例挖掘保证网络得到更加充分的训练。采用本发明设计的检测方案可以满足实时性要求，实现对条带状织物上纹理瑕疵的有效检测。
-
公开(公告)号：CN109815765A
公开(公告)日：2019-05-28
申请号：CN201910053523.5
申请日：2019-01-21
Applicant: 东南大学
Abstract: 本发明公开了一种提取含有二维码的营业执照信息的方法及装置。其中，方法包括：对获取的含有二维码的营业执照图像进行预处理，并基于深度学习的目标检测网络训练预处理后的图像集，获得二维码定位模型；对待检测含二维码的营业执照图像进行二维码定位；获得并扫描二维码图像，提取所述二维码包含的企业信用信息网站统一资源定位符；根据所述统一资源定位符对应的网页页面信息，抓取所述营业执照的基本信息。装置包括样本处理模块、二维码定位模块、二维码识别模块及网页信息抓取模块。本发明提高了二维码定位的准确度，克服了图片背景复杂导致二维码定位不准确的问题，实现100％准确率提取营业执照信息，提高了办公效率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.014 seconds)
