公开(公告)号：CN119579432A

公开(公告)日：2025-03-07

申请号：CN202411670386.7

申请日：2024-11-21

Applicant: 中国矿业大学(北京)

Inventor： 叶涛 ,  任宏彬 ,  陈浩然 ,  陶鸿景

IPC: G06T5/50 ,  G06T5/60

Abstract: 本发明公开了一种基于耦合退化处理的水下图像质量增强方法，包括：获取水下图像数据集；构建联合退化处理模型，将所述水下图像数据集输入所述联合退化处理模型进行训练，获得训练好的联合退化处理模型；获取待测水下图像，输入所述训练好的联合退化处理模型进行水下图像增强，获得目标水下质量增强图像。本发明解决了传统图像处理方法在面对复杂耦合退化问题时无法有效恢复图像质量的难题，实现水下机器人对环境的高效、准确感知，从而提升其运行安全性。

公开(公告)号：CN119540555A

公开(公告)日：2025-02-28

申请号：CN202411654579.3

申请日：2024-11-19

Applicant: 中国矿业大学(北京)

Inventor： 叶涛 ,  任宏彬 ,  陈浩然 ,  陶鸿景

IPC: G06V10/26 ,  G06V20/56 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0499 ,  G06N3/048 ,  G06N3/084 ,  G06V10/80

Abstract: 本发明公开了一种对轨道末端高精度检测的轨道线分割方法，包括：构建待分割轨道线图像数据；将待分割轨道线图像数据输入轨道线分割网络RTEW‑Net进行处理，获得列车运行轨道线分割结果；其中，轨道线分割网络RTEW‑Net用于从列车运行轨道线特征图提取轨道线末端初步特征，对初步特征进行特征细节维持，结合列车运行轨道线特征图对轨道线末端特征进行保留；所述轨道线分割网络RTEW‑Net通过训练集训练获得，所述训练集为轨道线图像及对应的标注。本发明实现了对轨道线的精准分割，保障了列车行进安全。

公开(公告)号：CN117237630B

公开(公告)日：2024-09-13

申请号：CN202311181185.6

申请日：2023-09-13

Applicant: 中国矿业大学(北京)

Inventor： 叶涛 ,  陈浩然 ,  任宏彬

IPC: G06V10/26 ,  G06V10/40 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/048

Abstract: 一种基于线性注意力的轻量化网络模型的图像分割方法。所述基于线性注意力的轻量化网络模型的图像分割方法通过注意力机制设计的线性注意力计算方法实现单行的特征提取。MSA1和MSA2相互配合，通过特征图形状调整实现了特征图行与行之间的信息交流，但每一行之间以8个像素为单位存在信息断层，这一信息断层则可以通过L‑MSA模块进行信息弥补，三者模块相互配合，实现了特征图的全局信息交流，从而有效提高了模型的特征提取能力。同时线性计算方式相较于矩形计算方式又可以减少计算复杂度，从而大幅的提高了算法的推理速度。

公开(公告)号：CN116524451A

公开(公告)日：2023-08-01

申请号：CN202210061064.7

申请日：2022-01-19

Applicant: 中国矿业大学(北京)

Inventor： 叶涛 ,  赵宗扬 ,  郑志康 ,  陈浩然

IPC: G06V20/58 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于深度学习和目标检测结合的轨道障碍物检测方法，涉及计算机视觉领域。在构建了真实场景下的轨道交通数据库后，首先对YOLOv3的主干特征提取网络进行修改，使用ResneXt50替换原Resnet50网络，使得模型的特征提取能力更强；然后采用自适应特征融合优化方法，更为精准地检测不同尺度的目标，在保证算法实时性的同时大幅度提升算法检测性能；最后在各个检测端使用注意力机制整合不同的通道信息，并采用CIOU损失函数更为精准的回归预测框，使得检测精度进一步提高。该方法在保证算法检测速度的同时，实现了对铁路障碍物尤其是小目标进行精准高效地检测，以确保行车安全。

公开(公告)号：CN117237630A

公开(公告)日：2023-12-15

申请号：CN202311181185.6

申请日：2023-09-13

Applicant: 中国矿业大学(北京)

Inventor： 叶涛 ,  陈浩然 ,  任宏彬

IPC: G06V10/26 ,  G06V10/40 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/048

Abstract: 一种基于线性注意力的轻量化网络模型的图像分割方法。所述基于线性注意力的轻量化网络模型的图像分割方法通过注意力机制设计的线性注意力计算方法实现单行的特征提取。MSA1和MSA2相互配合，通过特征图形状调整实现了特征图行与行之间的信息交流，但每一行之间以8个像素为单位存在信息断层，这一信息断层则可以通过L‑MSA模块进行信息弥补，三者模块相互配合，实现了特征图的全局信息交流，从而有效提高了模型的特征提取能力。同时线性计算方式相较于矩形计算方式又可以减少计算复杂度，从而大幅的提高了算法的推理速度。