-
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：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。
-
公开(公告)号：CN114882536A
公开(公告)日：2022-08-09
申请号：CN202210656248.8
申请日：2022-06-10
Applicant: 兰州交通大学
Abstract: 本发明公开了一种基于改进SSD的轻量化手势实时检测方法，该检测方法以SSD为基础网络，包括使用MobileNet v2作为模型主干特征提取网络，减小模型的参数量和计算复杂度；设计INA多尺度卷积模块，并应用在其中三个预测特征层，通过连接不同尺寸的卷积核，增加网络对不同尺度特征的适应性；采用K‑means++聚类算法自适应生成适合手部的候选框，对手部进行准确定位来提高模型的检测精度；在制作的手势数据集上对改进后的SSD网络结构进行训练，得到训练好的手势检测模型进行手势检测。应用本发明，可以有效解决手部检测模型由于模型复杂、计算量大难以应用于移动端的问题，并且在减小模型大小和提高检测速度的同时保证了检测精度，适合人机交互下的实时手部检测。
-
公开(公告)号：CN113920435A
公开(公告)日：2022-01-11
申请号：CN202111315604.1
申请日：2021-11-08
Applicant: 兰州交通大学
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于密集网络和注意力机制的铁路沿线遥感图像地物检测方法，涉及深度学习及遥感图像地物目标检测领域。包括使用DenseNet模块代替YOLOv4网络结构CSPDarknet53中部分CSP单元的ResNet残差模块，以实现特征重用；在YOLOv4的骨干网中的每个CSP_Unit中增加一个压缩激励结构，以增强提取特征的能力；在输出网络之前引入通道和空间注意力机制，从而提高检测的准确性。制作铁路沿线遥感地物目标检测数据集，并在该数据集上对改进后的YOLOv4网络结构进行训练，得到训练好的铁路沿线遥感地物检测模型，进行地物检测。本发明能够提高检测速度和检测精度，减小模型大小，适合铁路沿线遥感地物目标检测，满足实时性的要求。
-
Patent Agency Ranking
公开(公告)号：CN113743449A
公开(公告)日：2021-12-03
申请号：CN202110816419.4
申请日：2021-07-20
Applicant: 兰州交通大学
Abstract: 本发明公开了基于对称性滤波器分类的JPEG图像隐写分析系统，包括检验单元、数据提取标记单元、存放单元和核验单元，检验单元包括USB输入端口、数据输入端口和网络输入端口，信息整合模块的输出端均与特征识别模块和色组识别模块的输入端连接，本发明涉及图像识别技术领域。该基于对称性滤波器分类的JPEG图像隐写分析系统，通过该系统的应用，让滤波器进行分类排比时更加方便，而且能够更具不同性质的滤波器对其进行标记，然后获取其特征信息进行记录和标记，直至其完成隐写分析，且整个分析过程中也不会过度采用人工进行操控，有效的避免了工作人员精力的消耗，让人们能够处于更加方便的状态下进行工作，这便于人们使用。
-
公开(公告)号：CN111400405B
公开(公告)日：2021-04-02
申请号：CN202010235513.6
申请日：2020-03-30
Applicant: 兰州交通大学
Abstract: 本发明提供一种基于分布式的监控视频数据并行处理系统及方法，所述处理系统包括：Kafka组件、Spark分布式计算平台和数据存储组件；本发明的Spark分布式计算平台基于重复帧数据划分读取的方式，对视频帧序列进行划分并以多线程并行的方式拉取数据到Spark分布式计算平台的Spark处理节点，进行并行处理。在任务完成后需要对结果数据进行排序、合并操作，最后对合并后的数据结果根据数据类型输出到数据存储组件进行持久化存储，或者继续发送到Kafka组件进行缓存供下一个Spark处理节点进行拉取处理，实现了Kafka采集和Spark处理耦合，提高了系统的灵活性和扩展性。
-
公开(公告)号：CN111400405A
公开(公告)日：2020-07-10
申请号：CN202010235513.6
申请日：2020-03-30
Applicant: 兰州交通大学
Abstract: 本发明提供一种基于分布式的监控视频数据并行处理系统及方法，所述处理系统包括：Kafka组件、Spark分布式计算平台和数据存储组件；本发明的Spark分布式计算平台基于重复帧数据划分读取的方式，对视频帧序列进行划分并以多线程并行的方式拉取数据到Spark分布式计算平台的Spark处理节点，进行并行处理。在任务完成后需要对结果数据进行排序、合并操作，最后对合并后的数据结果根据数据类型输出到数据存储组件进行持久化存储，或者继续发送到Kafka组件进行缓存供下一个Spark处理节点进行拉取处理，实现了Kafka采集和Spark处理耦合，提高了系统的灵活性和扩展性。
-
公开(公告)号：CN103914852A
公开(公告)日：2014-07-09
申请号：CN201410095122.3
申请日：2014-03-14
Applicant: 兰州交通大学
IPC: G06T7/20
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。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.02 seconds)
