公开(公告)号：CN117994139A

公开(公告)日：2024-05-07

申请号：CN202410173443.4

申请日：2024-02-07

Applicant: 无锡学院

Inventor： 童俊毅 ,  张银胜 ,  张培琰 ,  张雁皓 ,  陈前杭 ,  段修贤

IPC: G06T5/00 ,  G06T5/77 ,  G06T5/60 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/084 ,  G06N3/048

Abstract: 本发明公开了一种基于U‑Net感知对抗网络的图像复原方法，包括如下步骤：S1，对获取的人脸图像数据集进行预处理后，划分为训练集、验证集和测试集；S2，搭建基于U‑Net结构的感知对抗生成图像修复网络，感知对抗生成图像修复网络包括粗重构网络、精修复网络、SHMD注意力模块，并引入改进的综合损失函数，进行反向传播；S3，将训练集和验证集输入至感知对抗生成图像修复网络中训练，计算融合损失函数并进行反向传播，更新网络参数，获取最佳参数模型；S4，将测试集输入到训练好的最佳参数模型中，输出最终复原人脸图像。本发明使图像经历由缺失到含有基础信息再到含有完整信息的过程，并能充分利用图像的多尺度信息。

公开(公告)号：CN118212523A

公开(公告)日：2024-06-18

申请号：CN202410339258.8

申请日：2024-03-25

Applicant: 无锡学院

Inventor： 胡宇翔 ,  单慧琳 ,  马陈悦 ,  孟祥源 ,  陈昕 ,  段修贤 ,  陈前杭

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06N3/0464

Abstract: 本发明公开了基于深度融合优化特征增强网络的SAR图像船舰检测方法，包括：获取SAR遥感船舰图像数据集，对数据集进行预处理并划分；构建基于深度融合优化特征增强网络模型，作为遥感船舰图像目标检测网络；利用训练集和验证集对构建的遥感船舰图像目标检测网络进行训练和验证，计算损失函数并进行反向传播，更新网络参数，直至得到最佳参数网络；利用最佳参数网络对测试集进行测试，得到目标检测结果。本发明通过融合多尺度特征，更加关注局部信息及上下文相关性，保留目标的位置和边界信息，解决了船舰检测中目标与海洋背景的复杂交互、目标与海浪等相似纹理及遥感图像中的边界模糊和阴影遮挡等问题，提高SAR遥感图像船舰检测的精度和效率。

公开(公告)号：CN117058166A

公开(公告)日：2023-11-14

申请号：CN202310910817.1

申请日：2023-07-24

Applicant: 无锡学院

Inventor： 吉茹 ,  张银胜 ,  陈昕 ,  段修贤 ,  陈前杭 ,  杨宇龙 ,  周乐佳 ,  单梦姣

IPC: G06T7/11 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于双路径结构的遥感图像实时语义分割算法，包括如下步骤：S1，获取Potsdam和GID‑15遥感图像数据集并进行预处理后，分别按照设定的比例划分为训练集、验证集和测试集；S2，搭建基于双路径结构的遥感图像实时语义分割网络，包括空间路径、上下文路径和双路径特征聚合部分；S3，将经过预处理的训练集和验证集的遥感图像数据集输入至遥感图像实时语义分割网络中训练，计算交叉熵损失函数并进行反向传播，更新网络参数，获取满足要求的模型并保存该模型；S4，将经过预处理的测试集输入到步骤S3中得到的模型中，输出遥感图像的精确分割。本发明提高了语义特征提取的丰富性和有效性，同时提升分割精度。

公开(公告)号：CN118314434A

公开(公告)日：2024-07-09

申请号：CN202410257888.0

申请日：2024-03-07

Applicant: 无锡学院

Inventor： 王硕洋 ,  单慧琳 ,  段修贤 ,  陈前杭 ,  李长帅 ,  张雁晧 ,  陈昕

IPC: G06V10/82 ,  G06V10/80 ,  G06V10/40 ,  G06N3/0464

Abstract: 本发明公开了一种遥感图像目标检测方法，包括：收集遥感图像数据集，对数据集进行标注，制作YOLO格式的遥感图像数据集，并划分为训练集和测试集；搭建基于增强感受野的多尺度神经网络，主要由输入端口、主干网络、颈部网络和检测头四个部分构成，其中主干网络和颈部网络构成增强小目标特征的多尺度神经网络的主模块；将训练集的遥感图像输入至增强感受野的多尺度神经网络中进行训练和验证，获取最佳的检测模型；利用经过训练和验证的最佳模型对测试集进行目标检测。本发明提供一种增强感受野的多尺度遥感图像目标检测方法，解决了现阶段遥感图像目标检测算法存在的问题。

公开(公告)号：CN118229558A

公开(公告)日：2024-06-21

申请号：CN202410348306.X

申请日：2024-03-26

Applicant: 无锡学院

Inventor： 张培琰 ,  单慧琳 ,  陈前杭 ,  段修贤 ,  陈昕 ,  毕道琪

IPC: G06T5/60 ,  G06T5/70 ,  G06V10/44 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/094 ,  G06N3/082 ,  G06N3/048

Abstract: 本发明公开了一种基于改进的生成对抗网络的心脏图像去噪方法，具体为：步骤1：获取心脏清晰图像数据集与噪声数据集；步骤2：搭建心脏噪声图像处理模型，该模型为引用PRIDnet模块的生成对抗网络；骤3：采用步骤1中的数据集输入至心脏噪声图像处理模型进行训练；步骤4：采用训练好的心脏噪声图像处理模型对心脏图像进行去噪处理。在提高去噪质量的同时减少了生成对抗网络产生的模型过拟合。同时，减少了模型的运算时间，以达到实时去噪的目的。

公开(公告)号：CN117995402A

公开(公告)日：2024-05-07

申请号：CN202410141593.7

申请日：2024-02-01

Applicant: 无锡学院

Inventor： 孙佳琪 ,  单慧琳 ,  王兴涛 ,  陈前杭 ,  陈昕 ,  段修贤

IPC: G16H50/30 ,  A61B5/0205 ,  A61B5/00 ,  G16H50/20 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种基于图神经网络的生命体征预测方法，包括步骤如下：S1，对采集含有患者信息的数据集，并对数据集进行预处理；S2，将预处理后的数据分为动态特征向量和静态特征向量，并对动态特征向量和静态特征向量分别输入生命体征预测网络进行处理；S3，将处理完后的动态特征向量和静态特征向量进行拼接，得到一个新的特征向量；S4，将新的特征向量输入GeLU和全连接层，输出患者生命体征预测信息；S5，通过wandb模块对患者的指标进行实时监测。本发明能实现实时检测和提高预测精准度。本发明能加快预测速度，实现对体征信息的时间序列的特征强化。

公开(公告)号：CN219755945U

公开(公告)日：2023-09-26

申请号：CN202320947943.X

申请日：2023-04-24

Applicant: 无锡学院

Inventor： 钟思远 ,  张银胜 ,  兰进莎 ,  梁登科 ,  陈昕 ,  陈前杭

IPC: F16M11/34 ,  F16M11/36 ,  F16M11/04

Abstract: 本实用新型提供了一种便于安装的三脚架，包括支架组件和设置在支架组件上部的安装组件；所述安装组件包括安装座和安装板；所述安装座上开设有固定槽和第一滑槽，安装座内部设有第一传动块；所述安装板开设有与固定槽对应的安装孔，安装板上还设有第二传动块，第二传动块与第一滑槽对应设置并可沿第一滑槽滑动，所述第二传动块与第一传动块相接，第二传动块沿第一滑槽滑动可使第一传动块沿靠近固定槽方向滑动至固定槽内。本三脚架通过开设的第二传动块沿第一滑槽滑动可使第一传动块沿靠近固定槽方向滑动至固定槽内，从而对底部置于固定槽内的仪器进行固定，方便仪器与三脚架的安装，省时省力；本三脚架还可同步调节高度和开合，增加使用稳定性。