公开(公告)号：CN113962901B

公开(公告)日：2022-08-23

申请号：CN202111352712.6

申请日：2021-11-16

Applicant: 中国矿业大学(北京) ,  北京联合大学 ,  煤炭科学技术研究院有限公司

Inventor： 刘康 ,  徐歆恺 ,  马岩 ,  赵昕楠

IPC: G06T5/00 ,  G06T5/50 ,  G06T7/11 ,  G06T7/238 ,  G06T3/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于深度学习网络的矿山图像粉尘去除方法及系统，步骤包括：S1、对矿山图像进行多尺度特征提取，获取所述矿山图像的高级图像特征、结构特征和低级图像特征；S2、对所述高级图像特征、结构特征和低级图像特征进行修复处理，去除所述矿山图像的粉尘信息；S3、将所述高级图像特征、结构特征和低级图像特征和所述矿山图像的粉尘信息进行融合处理，获取融合特征，将所述融合特征进行图像还原处理，获得去除粉尘图像；S4、将所述去除粉尘图像进行分块区域处理，获得粉尘概率，进行数据处理获得端到端网络的损失值，判断损失值是否符合要求，否则要返回S1；是则获取去除粉尘成功的矿山图像。

公开(公告)号：CN113962901A

公开(公告)日：2022-01-21

申请号：CN202111352712.6

申请日：2021-11-16

Applicant: 中国矿业大学(北京) ,  北京联合大学 ,  煤炭科学技术研究院有限公司

Inventor： 刘康 ,  徐歆恺 ,  马岩 ,  赵昕楠

IPC: G06T5/00 ,  G06T5/50 ,  G06T7/11 ,  G06T7/238 ,  G06T3/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于深度学习网络的矿山图像粉尘去除方法及系统，步骤包括：S1、对矿山图像进行多尺度特征提取，获取所述矿山图像的高级图像特征、结构特征和低级图像特征；S2、对所述高级图像特征、结构特征和低级图像特征进行修复处理，去除所述矿山图像的粉尘信息；S3、将所述高级图像特征、结构特征和低级图像特征和所述矿山图像的粉尘信息进行融合处理，获取融合特征，将所述融合特征进行图像还原处理，获得去除粉尘图像；S4、将所述去除粉尘图像进行分块区域处理，获得粉尘概率，进行数据处理获得端到端网络的损失值，判断损失值是否符合要求，否则要返回S1；是则获取去除粉尘成功的矿山图像。

公开(公告)号：CN112686115A

公开(公告)日：2021-04-20

申请号：CN202011546745.X

申请日：2020-12-24

Applicant: 中国矿业大学(北京)

Inventor： 刘康 ,  徐歆恺 ,  张龑 ,  郑颖

IPC: G06K9/00 ,  G06K9/32 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于尺度感知的自动驾驶场景中的行人目标检测方法，包括以下步骤：S1、采集实际道路上带有行人目标的视频数据并进行预处理，得到行人视频数据集；S2、构建尺度感知双路子网络，并根据尺度感知双路子网络对行人视频数据集进行处理，得到检测结果；S3、构建损失函数，根据损失函数对预测结果进行优化，得到优化后的检测结果。本发明不仅可以检测出被遮挡行人特征数据，还可以使用尺度感知机制增强有效小尺度数据的权重，采用双路子网络结构融合多尺度特征数据，提高行人检测方法的鲁棒性。