-
公开(公告)号：CN120070417A
公开(公告)日：2025-05-30
申请号：CN202510525317.5
申请日：2025-04-25
Applicant: 中国计量大学 , 杭州华橙软件技术有限公司
IPC: G06T7/00 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于重参数多尺度融合的道路缺陷检测方法，属于深度学习神经网络中的目标检测技术领域，从公开数据源中选取道路缺陷的数据集，并划分为训练集、验证集和测试集；构建基于重参数多尺度融合的轻量化道路缺陷检测神经网络模型，该模型采用重参数化技术与多尺度特征融合策略，能够识别并定位图像中的各类道路缺陷；利用划分好的的训练集和验证集对构建的神经网络模型进行训练，经过指标评估得到最佳的轻量化道路缺陷检测模型，随后，进行轻量化检测模型的推理加速，嵌入到边缘计算终端部署；使用车载摄像机进行图像数据采集，将采集到的道路图像输入边缘计算终端进行处理，输出车载图像中存在的道路缺陷类别以及位置。
-
公开(公告)号：CN118279562A
公开(公告)日：2024-07-02
申请号：CN202410431846.4
申请日：2024-04-11
Applicant: 中国计量大学 , 北京航空航天大学杭州创新研究院
IPC: G06V10/25 , G06V10/82 , G06V10/764 , G06N3/0455 , G06N3/082 , G06V10/80
Abstract: 本发明公开了一种基于动态可变形注意力机制的轻量化道路缺陷检测方法，包括：选取包含纵向裂纹、横向裂纹、网状裂纹、坑陷的公开道路缺陷数据集作为训练集、验证集和测试集；搭建基于动态可变形注意力机制的轻量化道路缺陷检测神经网络模型，使用动态可变形卷积来提升网络的特征提取能力，使用轻量化模块来下降整体网络的复杂度；使用训练集、验证集训练道路缺陷检测神经网络模型并保存权重参数，并用测试集对最高检测准确率权重参数下的模型进行最终的评估，最终确定测试集上检测准确率最高的道路缺陷检测模型为最优模型；将车载摄像机拍摄的道路图像输入步骤得到的最优道路缺陷检测模型中，输出车载图像中存在的道路缺陷类别以及位置。
-
公开(公告)号：CN119649035B
公开(公告)日：2025-05-23
申请号：CN202510170370.8
申请日：2025-02-17
Applicant: 中国计量大学
Abstract: 本发明公开了一种基于非线性特征的牙齿实例分割方法，属于图像处理、深度学习技术领域，首先采集病人口腔X光片并对其进行图像质量评估，对不合格的图像进行去噪处理，按FDI牙位表示法制作掩码图像，构建并训练非线性特征的牙齿实例分割网络进行牙齿图像的实例分割，其主干网络由编码器模块、反向机制模块、密集扩张模块、解码器模块、拼接模块、输出模块、感受野特征卷积核注意力混合模块组成，本发明深度挖掘牙齿深层特征信息，以产生更准确的实例分割结果，克服了传统方法在面对牙齿图片复杂和牙齿种类繁多时的局限性，并在训练结束后对训练结果进行指标评价，在符合设定的基准指标后输出分割结果，实现了对牙齿的高精度识别与分割。
-
公开(公告)号：CN119649035A
公开(公告)日：2025-03-18
申请号：CN202510170370.8
申请日：2025-02-17
Applicant: 中国计量大学
IPC: G06V10/26 , G06V10/30 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/09 , G06N3/048
Abstract: 本发明公开了一种基于非线性特征的牙齿实例分割方法，属于图像处理、深度学习技术领域，首先采集病人口腔X光片并对其进行图像质量评估，对不合格的图像进行去噪处理，按FDI牙位表示法制作掩码图像，构建并训练非线性特征的牙齿实例分割网络进行牙齿图像的实例分割，其主干网络由编码器模块、反向机制模块、密集扩张模块、解码器模块、拼接模块、输出模块、感受野特征卷积核注意力混合模块组成，本发明深度挖掘牙齿深层特征信息，以产生更准确的实例分割结果，克服了传统方法在面对牙齿图片复杂和牙齿种类繁多时的局限性，并在训练结束后对训练结果进行指标评价，在符合设定的基准指标后输出分割结果，实现了对牙齿的高精度识别与分割。
-
-
-
Search Results
4
records
(took 0.016 seconds)
