-
公开(公告)号:CN118918116A
公开(公告)日:2024-11-08
申请号:CN202410793929.8
申请日:2024-06-19
Applicant: 北京交通大学
IPC: G06T7/10 , G06V10/774 , G06N3/0464 , G06N3/0455 , G06V10/80 , G06V10/764
Abstract: 本发明提供一种基于多尺度注意力机制的轨道板裂缝分割方法及系统,属于基于计算机视觉的图像分割技术领域,本发明该方法针对轨道板裂缝在无人机图像中像素占比小的问题,利用在大规模数据集上预训练好的神经网络作为编码器,提升模型对于裂缝细节信息的提取与表征,采用基于混合注意力机制的特征融合模块,使得模型可以排除背景冗余信息的干扰,专注于裂缝特征以提升轨道板裂缝分割精度,并引入Focal loss和Dice loss损失函数以解决裂缝分割任务中正负样本不平衡以及正样本难以学习的问题。
-
公开(公告)号:CN117635482A
公开(公告)日:2024-03-01
申请号:CN202311521705.3
申请日:2023-11-15
Applicant: 北京交通大学
IPC: G06T5/73 , G06N3/0475 , G06N3/088 , G06N3/094 , G06N3/045 , G06N3/098 , G06N3/0464
Abstract: 本发明提供一种轨道区域图像去阴影方法及系统,属于图像处理技术领域,针对无人机采集数据过程中遇到的阴影问题,采用了一种基于生成对抗网络训练的端到端式去阴影方法。整体网络框架包括伪影生成、阴影去除、结果细化三个子网,引入傅里叶卷积残差模块提升生成器网络提取特征的能力,使网络在浅层就拥有全局感受野,从而减少网络深度以帮助稳定生成对抗网络的训练,通过总体加权损失函数提升生成无阴影图像质量,其中引入感知损失函数来保留扣件的结构信息,为后续开展扣件缺陷检测打下基础。
-