-
公开(公告)号：CN116612379B
公开(公告)日：2024-02-02
申请号：CN202310630360.9
申请日：2023-05-30
Applicant: 中国海洋大学 , 中国海洋大学三亚海洋研究院
IPC: G06V20/05 , G06V10/20 , G06V10/774 , G06V10/778 , G06V10/82
Abstract: 本发明公开了一种基于多知识蒸馏的水下目标检测方法及系统，涉及目标检测技术领域，包括：构建教师模型和学生模型；通过教师模型监督学生模型学习，基于特征图和顶层输出多知识蒸馏方法训练学生模型；对训练后的学生模型进行重构和优化，输出最优模型；将最优模型部署到水下装置上，采集水下实时图像，输入到最优模型中进行实时目标检测，输出图像中目标所在位置和类别。本发明解决了目标检测模型难以部署在水下机器人等资源受限的嵌入式设备中，在提升轻量级检测模型的检测精度的同时，解决了现有蒸馏模型中蒸馏知识单一、师生模型前景差异大和水下生物数据集中存在大量边界模糊
-
公开(公告)号：CN116612379A
公开(公告)日：2023-08-18
申请号：CN202310630360.9
申请日：2023-05-30
Applicant: 中国海洋大学 , 中国海洋大学三亚海洋研究院
IPC: G06V20/05 , G06V10/20 , G06V10/774 , G06V10/778 , G06V10/82
Abstract: 本发明公开了一种基于多知识蒸馏的水下目标检测方法及系统，涉及目标检测技术领域，包括：构建教师模型和学生模型；通过教师模型监督学生模型学习，基于特征图和顶层输出多知识蒸馏方法训练学生模型；对训练后的学生模型进行重构和优化，输出最优模型；将最优模型部署到水下装置上，采集水下实时图像，输入到最优模型中进行实时目标检测，输出图像中目标所在位置和类别。本发明解决了目标检测模型难以部署在水下机器人等资源受限的嵌入式设备中，在提升轻量级检测模型的检测精度的同时，解决了现有蒸馏模型中蒸馏知识单一、师生模型前景差异大和水下生物数据集中存在大量边界模糊等问题，在资源受限的设备上实现快速准确地检测水下目标。
-
公开(公告)号：CN116580291A
公开(公告)日：2023-08-11
申请号：CN202310600036.2
申请日：2023-05-24
Applicant: 中国海洋大学 , 中国海洋大学三亚海洋研究院
Abstract: 本发明公开了一种水下浑浊强散射的视觉同步定位与建图方法及系统，涉及水下视觉同步定位与建图技术领域。包括：S1.获取图像步骤、S2.图像预处理步骤、S3.建立主特征提取网络步骤、S4.主特征提取网络训练步骤、S5.视觉同步定位与建图步骤。本发明采用浑浊强散射图像增强网络和特征点提取网络共用主特征提取网络的方式，有效解决了水下浑浊强散射环境中水下视觉同步定位与建图定位精度低的问题；通过共用的主特征提取网络，可以信息共享的同时，减少了整个模型的参数量，保证了在水下嵌入式设备上的实时部署。
-
公开(公告)号：CN118735800A
公开(公告)日：2024-10-01
申请号：CN202410932148.2
申请日：2024-07-12
Applicant: 中国海洋大学三亚海洋研究院
Abstract: 本公开提供了一种高分辨率水下图像实时增强方法及电子设备，涉及水下图像处理技术领域。实时获取水下图像；构建双分支水下图像增强网络对水下图像进行图像增强，其中，双分支水下图像增强网络包括上分支网络和下分支网络；通过所述下分支网络指导所述上分支网络进行图像增强，分别获得所述下分支网络的增强后低分辨率图像和所述上分支网络的增强后高分辨率图像。通过下分支指导上分支完成整体的水下图像增强，能够获得视觉效果良好的图像，实现实时增强高分辨的水下图像和视频。
-
公开(公告)号：CN118097397B
公开(公告)日：2024-08-13
申请号：CN202410509852.7
申请日：2024-04-26
Applicant: 中国海洋大学三亚海洋研究院
IPC: G06V20/05 , G06N3/0464 , G06N3/048 , G06N3/08 , G06T3/4007 , G06T5/70 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G01S15/89
Abstract: 本发明提供了一种声呐图像高精度快速目标检测方法及其模型搭建方法，属于水下计算机视觉技术领域。本发明基于YOLOv7进行改进，提出YOWE网络模型，引入CMB结构改进模型结构并引入Wise‑IoU损失函数，通过改进网络结构，增加输出头，与网络的不同层级相连接，专门捕捉特定层次的特征，集成多个输出头的结果。一方面提升检测精度，另一方面得到更加鲁棒性和可靠的预测结果，降低模型的偏差和方差，提高模型泛化能力。本发明引入的WIoU用于平衡不同大小目标对损失函数的影响，提高模型检测精度；结合CBA结构，分别在一定程度上提升了网络性能，且共同应用时有进一步的性能增益。
-
Patent Agency Ranking
公开(公告)号：CN118092674A
公开(公告)日：2024-05-28
申请号：CN202410509854.6
申请日：2024-04-26
Applicant: 中国海洋大学三亚海洋研究院
Abstract: 本发明提供了一种用于ROV的手势控制方法及系统，属于基于手势识别的人机交互技术领域；视频帧传送给MediaPipe‑Hands模型，当检测到手部时，提取手部21个关键点的信息，并分别发送给训练完成的GBDT静态手势识别模型和关键点多帧动态识别模型，基于静态手势结果和手势动作方向进行信息解析，并根据控制逻辑将其转化为ROV的控制指令，从而控制有缆水下机器人ROV执行相应动作。通过虚拟手柄生成和识别结果转换为控制信号，使得ROV脱离手柄的束缚，为手势控制ROV提供了新的交互方式。本发明新设计的GBDT静态手势识别模型和关键点多帧动态识别模型，二者结合，大大提高了手势识别的准确度和控制效率。
-
公开(公告)号：CN109166102A
公开(公告)日：2019-01-08
申请号：CN201810820240.4
申请日：2018-07-24
Applicant: 中国海洋大学
Abstract: 本发明提供一种基于判别区域候选对抗网络的图像转图像翻译方法，将真实图像的语义分割图输入到所述生成器，生成第一图像；将所述第一图像输入所述图像块判别器中，通过所述图像块判别器预测得到得分图；使用滑动窗口在所述得分图中找到最明显的伪影区域图像块，将所述伪影区域图像块映射到所述第一图像中，得到所述第一图像中的判别区域；使用所述判别区域对所述的真实图像进行掩模运算，得到掩模后的假图像；将所述真实图像和所述掩模后的假图像输入到所述修正器中，用于判断输入图像的真假；所述生成器根据所述修正器的修正生成更接近所述真实图像的图像。本发明能够合成高分辨率、真实细节且更少伪影的高质量图像。
-
公开(公告)号：CN118365657A
公开(公告)日：2024-07-19
申请号：CN202410781096.3
申请日：2024-06-18
Applicant: 中国海洋大学三亚海洋研究院
IPC: G06T7/10 , G06T5/50 , G06T5/70 , G06T5/73 , G06V10/762 , G06V10/764
Abstract: 本发明提供了一种低误差水下声呐图像分割模型及分割方法，属于计算机视觉中的图像处理技术领域。模型包括依次连接的图像预处理模块、图像分割模块和图像融合模块；本发明设计了两个灰度变量参数局部灰度密度和灰度偏量，将密度峰值聚类算法应用于声呐灰度图像得到突出的灰度中心决策值，该决策值即为马尔科夫随机场预分割算法中类标签的设定值。本发明提出了一种图像融合思想，将通过马尔科夫随机场图像分割算法获得的初始、平滑图像的理论最佳分割结果进行像素标签值的比对。通过投票法对争议像素重新判定其标签值，最终再进行融合得到误分率更低的声呐图像分割结果。本发明的模型及方法，参数获取便捷可靠且具有较高的分割准确性。
-
公开(公告)号：CN109551507B
公开(公告)日：2020-12-29
申请号：CN201910037142.8
申请日：2019-01-15
Applicant: 中国海洋大学
Abstract: 本申请实施例提供一种基于机器学习的软体机械手，其中软体机械手指包括中空的机械手指和中空的软体指套，指套的内壁涂有反光材料，指套的上端设置有开口，通过开口将指套套在机械手指的末端，在机械手指的中空结构内部设置有光纤，光纤延伸至软体指套中，光纤感知指套内壁的反光材料产生的形变，光纤发送端通过光纤阵列将图像传送到光纤接收端，光纤接收端连接控制系统，控制系统接收到图像，通过机器学习判断抓取的生物样本，并通过驱动机构控制执行机构进行抓取工作，该发明可以通过机器学习的方式使得机械手自主判断所抓取生物样本的种类和重量，从而给予合适的力度抓取，保证了生物样本的完整性。
-
公开(公告)号：CN111833268A
公开(公告)日：2020-10-27
申请号：CN202010660451.3
申请日：2020-07-10
Applicant: 中国海洋大学
Abstract: 本发明涉及水下图像处理技术领域，具体公开了一种基于条件生成对抗网络的水下图像增强方法，其构建了基础图像增强模型，提出了分步式对抗训练策略，同时在训练策略中构建了目标损失函数(由对抗损失函数、L2损失函数和角度损失函数线性组合而成)组成的像素级损失，具有很好的鲁棒性和有效性，即使在缺乏真实水下成对训练数据，使用人工合成的配对数据，依然可以有效地实现对真实水下图像的增强，高效地解决水下图像中存在雾化模糊问题，提高图像的对比度，并且能很好地去除水下图像偏蓝、偏绿的色偏问题，同时可以增强图像中目标物的细节信息，提升图像的能见度，使更远处的目标可以被看得更清晰，促使生成图像更加逼近真实场景。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.018 seconds)
