公开(公告)号：CN116152267B

公开(公告)日：2023-07-04

申请号：CN202310448684.0

申请日：2023-04-24

Applicant: 中国民用航空飞行学院

Inventor： 潘磊 ,  栾五洋 ,  田俊 ,  郑远 ,  傅强 ,  张永 ,  王艾 ,  赵枳晴 ,  李俊辉 ,  王梦琪

IPC: G06T7/10 ,  G06V10/764 ,  G06V10/80

Abstract: 本发明涉及基于对比性语言图像预训练技术的点云实例分割方法，包括步骤：获取点云数据，进行预处理后，得到文本信息、点云训练数据集；构建跨模态预训练模型，跨模态预训练模型包括稀疏卷积神经网络、预训练编码网络、预测网络；将点云训练数据集输入稀疏卷积神经网络，得到体素级别的点云特征；将文本信息与体素级别的点云特征进行融合，得到融合点云特征；对融合点云特征进行线性投影得到实例掩码特征，对文本信息提取出文本特征，将融合点云特征、实例掩码特征、文本特征输入预训练编码网络，得到查询的向量值；将查询的向量值输入预测网络，得到分割的实例结果。本发明在将融合点云特征和文本特征整合在一起，能够更好地捕获这两类信息。

公开(公告)号：CN116137023B

公开(公告)日：2023-06-20

申请号：CN202310425949.5

申请日：2023-04-20

Applicant: 中国民用航空飞行学院

Inventor： 潘磊 ,  田俊 ,  栾五洋 ,  郑远 ,  傅强 ,  张永 ,  王艾 ,  赵枳晴 ,  李俊辉 ,  王梦琪

IPC: G06T5/00 ,  G06N3/084

Abstract: 本发明涉及基于背景建模和细节增强的低照度图像增强方法，包括步骤：获取若干张低照度图像和配对的正常光照图像，并进行预处理，得到训练数据集；构建图像增强网络模型，并使用目标损失函数对图像增强网络模型进行约束；使用训练数据集对所述图像增强网络模型进行训练，直到误差收敛到预设值，得到训练好的图像增强网络模型。本发明的图像增强网络模型能对低照度图像进行背景建模，以及细节恢复，并设计全局特征融合增强模块实现全局信息融合和自适应增强。能对低照度条件下捕获的图像进行增强，解决低照度图像低对比度、色彩失真、噪声放大、细节丢失等问题。

公开(公告)号：CN116137023A

公开(公告)日：2023-05-19

申请号：CN202310425949.5

申请日：2023-04-20

Applicant: 中国民用航空飞行学院

Inventor： 潘磊 ,  田俊 ,  栾五洋 ,  郑远 ,  傅强 ,  张永 ,  王艾 ,  赵枳晴 ,  李俊辉 ,  王梦琪

IPC: G06T5/00 ,  G06N3/084

Abstract: 本发明涉及基于背景建模和细节增强的低照度图像增强方法，包括步骤：获取若干张低照度图像和配对的正常光照图像，并进行预处理，得到训练数据集；构建图像增强网络模型，并使用目标损失函数对图像增强网络模型进行约束；使用训练数据集对所述图像增强网络模型进行训练，直到误差收敛到预设值，得到训练好的图像增强网络模型。本发明的图像增强网络模型能对低照度图像进行背景建模，以及细节恢复，并设计全局特征融合增强模块实现全局信息融合和自适应增强。能对低照度条件下捕获的图像进行增强，解决低照度图像低对比度、色彩失真、噪声放大、细节丢失等问题。

公开(公告)号：CN116152267A

公开(公告)日：2023-05-23

申请号：CN202310448684.0

申请日：2023-04-24

Applicant: 中国民用航空飞行学院

Inventor： 潘磊 ,  栾五洋 ,  田俊 ,  郑远 ,  傅强 ,  张永 ,  王艾 ,  赵枳晴 ,  李俊辉 ,  王梦琪

IPC: G06T7/10 ,  G06V10/764 ,  G06V10/80

Abstract: 本发明涉及基于对比性语言图像预训练技术的点云实例分割方法，包括步骤：获取点云数据，进行预处理后，得到文本信息、点云训练数据集；构建跨模态预训练模型，跨模态预训练模型包括稀疏卷积神经网络、预训练编码网络、预测网络；将点云训练数据集输入稀疏卷积神经网络，得到体素级别的点云特征；将文本信息与体素级别的点云特征进行融合，得到融合点云特征；对融合点云特征进行线性投影得到实例掩码特征，对文本信息提取出文本特征，将融合点云特征、实例掩码特征、文本特征输入预训练编码网络，得到查询的向量值；将查询的向量值输入预测网络，得到分割的实例结果。本发明在将融合点云特征和文本特征整合在一起，能够更好地捕获这两类信息。

公开(公告)号：CN114022871A

公开(公告)日：2022-02-08

申请号：CN202111323862.4

申请日：2021-11-10

Applicant: 中国民用航空飞行学院

Inventor： 潘磊 ,  严崇耀 ,  傅强 ,  陈斌 ,  王艾 ,  严宏 ,  张博言 ,  李建明 ,  卢志伟 ,  赵枳晴 ,  田俊

IPC: G06V20/59 ,  G06V40/16

Abstract: 本发明公开了一种基于深度感知技术的无人机驾驶员疲劳检测方法及系统，属于疲劳检测技术领域，所述方法为：得到待测疲劳特征图；提取待测疲劳特征图中眼部特征和头部姿态，建立人脸模型，并根据人脸模型得到人脸疲劳特征数据；得到眼睑纵横比EAR；根据眼睛闭合帧，计算得到眼睛闭合时间比例值PERCLOS，完成基于深度感知技术的无人机驾驶员疲劳检测；同时提供一种基于深度感知技术的无人机驾驶员疲劳检测方法的检测系统，用以实现上述方法；本发明利用计算机视觉，基于深度感知技术，面向无人机驾驶员提出的非接触式实时疲劳检测方法实用性好且精度高，降低了由疲劳诱发的无人机驾驶员的人为差错，提升了无人机的飞行安全奠定技术基础。