-
公开(公告)号：CN114332493B
公开(公告)日：2024-12-20
申请号：CN202111548392.1
申请日：2021-12-17
Applicant: 安徽理工大学
IPC: G06V10/46 , G06V10/80 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/56 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/048
Abstract: 本发明公开一种跨维度交互式显著检测模型及其检测方法。跨维度交互式显著检测模型依次包括基础特征提取模块、有效特征提取模块、聚合模块。使用跨维度交互式显著检测模型进行显著目标检测的方法包括：使用基础特征模块提取原始图像的不同纹理、不同尺度、不同层数的基础特征；有效特征提取模块负责提取基础特征，得到有用顶层特征信息和全局上下文特征信息；将有用顶层特征信息和全局上下文特征信息输入聚合模块，输出特征图。本发明在复杂度、计算量没有改变的情况下解决空间和通道之间无法产生跨维交互的问题，充分提取有效特征信息，高精度提取完整的显著信息。
-
公开(公告)号：CN114677357B
公开(公告)日：2024-12-13
申请号：CN202210357883.6
申请日：2022-04-06
Applicant: 安徽理工大学
IPC: G06T7/00 , G06V10/80 , G06V10/82 , G06V10/774 , G06V10/762 , G06V20/17 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种航拍绝缘子自爆缺陷的检测模型、方法、设备及存储介质，检测模型包括主干网络D‑Darknet53、特征挖掘模块以及四尺度预测层；主干网络D‑Darknet53，用于提取绝缘子缺陷图像的不同尺度、不同层级的图像特征信息；特征挖掘模块，用于对绝缘子缺陷图像的不同尺度、不同层级的图像特征信息进行融合，得到特征信息丰富的绝缘子缺陷特征图像；四尺度预测层，用于对特征融合后的四种尺度绝缘子缺陷特征图像进行预测，得到绝缘子缺陷的最佳预测框。本发明能精准识别、定位架空输电线路中航拍绝缘子串的自爆缺陷，能解决现有的借助深度学习进行绝缘子自爆缺陷时的检测速度慢、检测精度低的问题。
-
公开(公告)号：CN119091153A
公开(公告)日：2024-12-06
申请号：CN202411197037.8
申请日：2024-08-29
Applicant: 安徽理工大学
IPC: G06V10/40 , G06V10/80 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种面向工业应用的实时目标检测模型，包括：Backbone模块，用于对目标图像进行特征提取；Neck模块，用于融合特征并构建多尺度的特征图；Head模块，用于对特征图进行检测分类，输出检测结果；本发明还公开了一种面向工业应用的实时目标检测模型的检测方法。本发明解决了现有检测模型忽视部署效果以及在其他中小类型数据集上的检测效果，且由于嵌入式平台的计算和存储资源的限制导致很难部署在嵌入式设备上的问题。
-
公开(公告)号：CN114330672B
公开(公告)日：2024-06-14
申请号：CN202210011116.X
申请日：2022-01-05
Applicant: 安徽理工大学
IPC: G06N3/042 , G06N3/0464 , G06N3/09 , G06N3/048 , G06N3/045
Abstract: 本发明公开了一种多信息聚合的图残差生成模型、分类方法、电子设备及存储介质，图残差生成模型包括深度初始残差图卷积模块、随机图生成模块和监督损失模块；深度初始残差图卷积模块用于深层次提取原始拓扑图中节点包含的特征信息，对原始拓扑图中的节点的类别进行分类，输出预测标签；随机图生成模块用于模拟原始拓扑图的噪声图，作为深度初始残差图卷积模块的并行结构，获取节点之间的关系信息；监督损失模块用于为深度初始残差图卷积模块添加额外的由随机图生成模块产生的损失函数，共同约束模型训练。本发明在保证拓扑图结构局域性的同时，避免了过平滑问题，充分学习拓扑图的特征信息，提高了模型性能和模型分类效果，运行速度快。
-
公开(公告)号：CN117036810A
公开(公告)日：2023-11-10
申请号：CN202311012826.5
申请日：2023-08-12
Applicant: 安徽理工大学
IPC: G06V10/764 , G06V10/82 , G06V10/40 , G06V20/70 , G06T7/00 , G16H50/20 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种糖尿病视网膜病变自动分类模型及其分类方法，糖尿病视网膜病变自动分类模型包括卷积输入、特征提取和分类输出；卷积输入由7×7卷积、下采样(maxpool)构成，负责对输入图像进行尺寸调整完成浅层特征的提取；特征提取包含交替连接的4个密集块和3个过渡层，主要负责提取视网膜病灶点的特征信息；分类输出由全局平均池化、全连接层构成，负责输出对糖尿病视网膜病变的分类结果。本发明根据视网膜病灶特征设计注意力机制SC，负责加大网络对病灶特征的关注，充分提取视网膜病灶特征；以轻量化网络DenseNet121为骨干，对密集层改进，在3×3卷积后接入SC模块，加大分类器对高层语义特征的表达能力，提高分类精度。本发明识能够实现对糖尿病视网膜病变等级的自动分类。
-
Patent Agency Ranking
公开(公告)号：CN111861961B
公开(公告)日：2023-09-22
申请号：CN202010726231.6
申请日：2020-07-25
Applicant: 安徽理工大学
IPC: G06T5/50 , G06T3/40 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种单幅图像超分辨率的多尺度残差融合模型及其复原方法，包括依次连接的特征提取模块、非线性映射模块和重建模块；特征提取模块，用于提取低分辨率LR图像的多个线条、轮廓等浅层特征，多个互补的浅层特征能够弥补单一特征对LR图像表征不足的问题；非线性映射模块，通过建立输入与输出之间的非线性映射关系，提取高频特征并借助稠密连接传送到重建模块；重建模块，用于对连接融合的高频特征进一步提取细节、纹理等特征后，融合浅层特征和LR图像，完成高分辨率HR图像的重建。本发明用于单幅图像的超分辨率重建及其复原，提升图像的分辨率，在保证重建效率的同时，能增强重建图像的轮廓特征，明显提高图像质量。
-
公开(公告)号：CN113052254B
公开(公告)日：2022-10-04
申请号：CN202110366308.8
申请日：2021-04-06
Applicant: 安徽理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/80
Abstract: 本发明公开了一种用于图像分类的多重注意力幽灵残差融合分类模型(MAGR)及其分类方法，包括依次连接的基础特征提取网络、幽灵残差映射网络和图像分类网络；基础特征提取网络借助注意力机制有侧重的提取有用的特征信息，负责提取输入图像的基础特征，并送入幽灵残差映射网络；幽灵残差映射网络融合了幽灵卷积、多支路幽灵组卷积和残差连接，负责提取网络的高级特征；图像分类网络根据提取的全部特征信息判断图像所属类别，获取图像对应的标签，实现分类。本发明用于图像分类，能够实现分类模型的高效化、轻量化，同时保证图像的高精度分类。
-
公开(公告)号：CN114549325A
公开(公告)日：2022-05-27
申请号：CN202210192733.4
申请日：2022-03-01
Applicant: 安徽理工大学
Abstract: 本发明公开了一种单幅图像的仿生鹰眼多尺度融合超分辨率重建模型、方法、设备及存储介质，重建模型包括仿鹰眼特征提取模块、反馈模块、多尺度重建模块，仿鹰眼特征提取模块用于仿照鹰双眼从三方向提取低分辨率图像的浅层特征，对提取的浅层特征信息进行融合提炼；反馈模块包括注意力机制层和反馈层，通过注意力机制层实现跨信道的信息交互，挖掘仿鹰眼特征提取模块提取的有效特征；多尺度重建模块用于通过不同卷积提取深层特征的互补信息，通过空洞卷积进行初步重建，经深层重建并与低分辨率图像的上采样图像融合获得高分辨率的重建图像。本发明重建的图像清晰度高，边缘纹理细节丰富，在保证图像清晰度的同时能丰富图片的内容。
-
公开(公告)号：CN109034235B
公开(公告)日：2021-09-28
申请号：CN201810800603.8
申请日：2018-07-20
Applicant: 安徽理工大学
Abstract: 本发明公开一种基于多特征的集成SVM噪点检测方法，包括六步。步骤一，输入含噪图像，生成含噪图像的图像矩阵；步骤二，逐个像素点提取像素点的局部二值特征和加权差分特征作为样本特征，并对噪声点和非噪声点做不同标记，噪声点标记为1，非噪声点标记为0；步骤三、通过随机选择的方法选择一定数量的样本特征作为训练样本集X；步骤四，输入X训练多个支持向量机，并对其结果进行集成得到分类模型；步骤五，用训练好的强分类器(分类模型)H进行噪点检测；步骤六，输出噪点所在位置的图像矩阵。本发明泛化能力较强，具有较高的噪点检测率，可以实现对任何一副含噪图像的噪点检测。
-
公开(公告)号：CN113182175A
公开(公告)日：2021-07-30
申请号：CN202110567249.0
申请日：2021-05-24
Applicant: 安徽理工大学
Abstract: 本发明提供了一种基于双能X射线的煤矸光电分选机器人，该机器人由振动分级筛、X射线探测器、带式输送机、带速检测装置、机器人控制器、上位机、X射线发生器、机械臂组成，原煤首先经过运煤输送机传送到振动分级筛进行筛分,按照粒度大小进行分级,分离后的煤粉得以收集,而煤矸混合物则掉落到物料输送带上继续向前运行，通过排队队机构控制煤矸的对中以及彼此之间的距离间隔，确保煤矸依次排列穿过X射线成像区域，煤矸分选机器人采用双能X射线高低能成像，使用用一个X射线发生源和高低能双层X射线探测器，X射线探测器将模拟信号转换成数字信号传给上位机，通过图像处理以及相应的识别算法后，上位机发出指令给机械臂控制系统发出指令控制机械臂对煤矸进行分拣，该机器人提高了煤矸分选系统的准确度和稳定性，解决了资源浪费和环境污染问题。
-
-
-
-
-
-
-
-
-
Search Results
99
records
(took 0.027 seconds)
