-
公开(公告)号：CN116912695B
公开(公告)日：2025-04-15
申请号：CN202310929817.6
申请日：2023-07-27
Applicant: 兰州交通大学 , 甘肃路桥飞宇交通设施有限责任公司
IPC: G06V20/10 , G06V10/44 , G06V10/86 , G06N3/0464 , G06V10/82 , G06V10/764
Abstract: 本发明公开一种基于双编解码网络的遥感影像道路提取方法、系统及设备，涉及道路提取领域。本发明通过获取高分辨率遥感影像并构建双编解码网络，来利用高分辨率遥感影像训练双编解码网络，然后利用训练好的双编解码网络对待提取遥感影像进行道路提取。本发明基于残差U块和解编结合模块构建具有双编解码结构的双编解码网络，通过编码器提取更丰富的局部和全局上下文特征，同时借助解编结合模块联系前后编解码器，充分利用多尺度特征来增强语义信息，从而提高了遥感影像道路提取结果的完整性和准确性。
-
公开(公告)号：CN116912695A
公开(公告)日：2023-10-20
申请号：CN202310929817.6
申请日：2023-07-27
Applicant: 兰州交通大学 , 甘肃路桥飞宇交通设施有限责任公司
IPC: G06V20/10 , G06V10/44 , G06V10/86 , G06N3/0464 , G06V10/82 , G06V10/764
Abstract: 本发明公开一种基于双编解码网络的遥感影像道路提取方法、系统及设备，涉及道路提取领域。本发明通过获取高分辨率遥感影像并构建双编解码网络，来利用高分辨率遥感影像训练双编解码网络，然后利用训练好的双编解码网络对待提取遥感影像进行道路提取。本发明基于残差U块和解编结合模块构建具有双编解码结构的双编解码网络，通过编码器提取更丰富的局部和全局上下文特征，同时借助解编结合模块联系前后编解码器，充分利用多尺度特征来增强语义信息，从而提高了遥感影像道路提取结果的完整性和准确性。
-
公开(公告)号：CN110334719A
公开(公告)日：2019-10-15
申请号：CN201910623705.1
申请日：2019-07-11
Applicant: 兰州交通大学
Abstract: 本发明中公开了一种提取遥感影像中建筑物图像的方法，包括：获取卷积神经网络模型；所述卷积神经网络模型为以遥感影像为输入，以建筑物图像为输出的训练后的神经网络模型；获取待采集区域的遥感影像；将所述遥感影像输入所述卷积神经网络模型，提取所述待采集区域的建筑物图像，得到初步提取结果；对所述初步提取结果采用形态学闭运算进行优化，得到待采集区域内建筑物图像的最终提取结果。并且还公开了实现这一方法的具体虚拟系统。本发明提供的提取遥感影像中建筑物图像的方法和系统，具有提取图像精度高和效率高的特点。
-
公开(公告)号：CN109829519A
公开(公告)日：2019-05-31
申请号：CN201910220213.8
申请日：2019-03-22
Applicant: 兰州交通大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于自适应空间信息的遥感图像分类方法及系统。该方法包括：获取遥感图像；采用基于马尔可夫随机场的模糊C均值算法对遥感图像进行初始分类，得到初始模糊隶属度矩阵；利用空间引力模型，计算当前迭代次数b下遥感图像中当前中心像元与每个邻域像元之间的空间吸引力；采用Sobel算子对遥感图像进行边缘检测，得到空间结构特征；依据空间结构特征，采用梯度倒数平滑法计算当前中心像元的边缘系数；依据空间吸引力和边缘系数，构建自适应权重的马尔可夫随机场；将自适应权重的马尔可夫随机场与模糊C均值算法结合，确定遥感图像的分类结果。本发明能够有效的解决边界像元和空间信息权重系数估计的问题，提高分类精度。
-
公开(公告)号：CN103914852B
公开(公告)日：2018-03-30
申请号：CN201410095122.3
申请日：2014-03-14
Applicant: 兰州交通大学
IPC: G16H30/20
Abstract: 本发明公开了一种基于CUDA的DICOM医学影像动态非线性调窗方法，包括读取DICOM格式图像中DICOM图像的像素值信息和DICOM图像的标签信息；设置图像窗口的窗宽和窗位，并将非线性函数用于调窗；基于CUDA采用并行算法计算非线性调窗中的映射方程，计算得出DIB图像的像素数据；根据计算得出的DIB图像的像素数据组成的像素数据组，以及步骤一中的标签信息填充位图结构体，并将构造的位图显示出来；根据显示的位图判断是否需要重新设置调窗的窗宽和窗位，如需要重新设置，则返回步骤二。非线性调窗对图像的显示更加细致，达到图像增强的效果，基于CUDA的并行计算有效缩短了DIB图像生成所用时间，保证了实时性。
-
Patent Agency Ranking
公开(公告)号：CN104134210B
公开(公告)日：2017-05-10
申请号：CN201410351843.6
申请日：2014-07-22
Applicant: 兰州交通大学
Abstract: 本发明公开了一种基于组合相似性测度的2D‑3D医学图像并行配准方法。该方法首先使用CUDA并行计算模型完成DRR图像的快速生成过程，并组合差值绝对值和SAD与模式强度PI作为新的相似性测度在GPU上进行并行计算，最后将组合相似性测度值传递到CPU上采用基于细菌趋化行为的果蝇优化算法进行优化来寻找最优配准参数。通过实验对本方法性能进行验证表明：由于本发明方法在GPU中实现DRR快速生成及混合相似性测度的计算，有效地提高了本发明方法的执行速度，同时与单一相似性测度相比，本发明采用混合相似性测度提高了配准结果的精确性。
-
公开(公告)号：CN103810670A
公开(公告)日：2014-05-21
申请号：CN201410033988.1
申请日：2014-01-24
Applicant: 兰州交通大学
Abstract: 本发明公开了一种基于CUDA流和共享内存的DVH图并行统计方法，包括以下步骤：在主机端对器官进行采样，并将采样点位置传入设备端，每个器官的剂量统计分别用一个流进行处理；步骤2：使用纹理存储器载入剂量矩阵：步骤3：根据每个线程分配到的位置点，使用纹理拾取进行拾取，纹理的滤波模式设置为线性插值，即对三维纹理的八个像元根据距离进行线性插值，并返回线性插值得到的值；步骤4：使用共享内存存储统计结果，通过在共享内存上开辟N个子剂量盒，解决共享内存会出现的bank冲突问题，并加快了统计速度。
-
公开(公告)号：CN119313734A
公开(公告)日：2025-01-14
申请号：CN202411375261.1
申请日：2024-09-30
Applicant: 兰州交通大学
Abstract: 本申请公开了一种三维手部姿态估计方法、设备、介质及产品，涉及手部姿态估计领域，通过获取待估计手部RGB图像；利用2.5D姿态关键点预测模型，确定待估计手部RGB图像的2.5D姿态关键点；其中，2.5D姿态关键点预测模型是利用训练数据集对初始模型进行训练得到的；初始模型包括S‑HGNet模块、多尺度特征融合模块和2.5D姿态转换模块；S‑HGNet模块为改进的沙漏网络；改进的沙漏网络是将沙漏网络中的Basicblock模块替换为感受强化模块。根据待估计手部RGB图像的2.5D姿态关键点，利用逆透视投影法，确定待估计手部RGB图像的三维关键点坐标。本申请提高了手部姿态估计的精度。
-
公开(公告)号：CN118247690A
公开(公告)日：2024-06-25
申请号：CN202410453141.2
申请日：2024-04-16
Applicant: 兰州交通大学 , 甘肃路桥飞宇交通设施有限责任公司
IPC: G06V20/17 , G06V20/10 , G06V10/52 , G06V10/80 , G06V10/26 , G06V10/44 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开一种融合多尺度特征提取与注意力机制的无人机影像路面裂缝分割方法，涉及图像识别领域，方法包括将目标图像输入至训练好的分类网络模型中输出带有裂缝的路面图像；将带有裂缝的路面图像输入至训练好的分割网络模型中得到裂缝分割结果；分割网络模型包括依次连接的特征提取模块以及解码模块；通过迁移预训练分割网络模型中的特征提取模块的结构和学习的权值，得到分类网络模型的特征提取模块；特征提取模块包括编码模块和特征增强模块，编码模块包括输入卷积层、左边路径子模块、卷积注意子模块和编码器子模块；解码模块包括解码器子模块、注意力子模块以及深度监督子模块。本发明可高效、准确地对路面裂缝图像进行裂缝分割。
-
公开(公告)号：CN116310785A
公开(公告)日：2023-06-23
申请号：CN202211660091.2
申请日：2022-12-23
Applicant: 兰州交通大学 , 甘肃路桥飞宇交通设施有限责任公司
IPC: G06V20/10 , G06V20/17 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于YOLOv4的无人机影像路面病害检测方法，属于路面病害检测领域。采用深度可分离卷积作为YOLOv4中卷积方式降低了网络的复杂度和减少模型计算的参数量；SE通道注意力按照每个通道的重要性分配不同的权重，有效利用通道间的信息；自适应特征融合模块充分学习高低层之间的特征信息，自适应地学习各尺度特征映射融合的空间权重，解决了由于YOLOv4中特征金字塔和路径聚合网络特征融合不充分问题，通过加入SE注意力机制和自适应特征融合模块能够进一步提高网络精度；采用的Focalloss损失函数解决了部分样本数量不均衡的问题，提高了路面病害检测精度。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.021 seconds)
