公开(公告)号：CN113379675A

公开(公告)日：2021-09-10

申请号：CN202110471888.7

申请日：2021-04-29

Applicant: 杭州电子科技大学

Inventor： 李竹 ,  林宏伟 ,  杨家玉 ,  夏云飞 ,  刘圆圆 ,  盛庆华

IPC: G06T7/00 ,  G06K9/62 ,  G06T7/10

Abstract: 本发明提供了一种基于选择分割网络的表面缺陷检测方法，包括以下步骤：获取待识别的缺陷检测样本图像；使用获取到的图像制作数据集；通过模板匹配算法定位数据集中的待检测样品；搭建选择分割网络模型；训练选择分割网络；利用训练好的选择分割网络对测试集中的样本图片进行识别和分割；添加新的未标注样本，对网络进行新一次的训练。

公开(公告)号：CN114898080A

公开(公告)日：2022-08-12

申请号：CN202210408143.0

申请日：2022-04-19

Applicant: 杭州电子科技大学

Inventor： 刘圆圆 ,  陈冲 ,  彭宇航 ,  李竹 ,  林宏伟 ,  陆康 ,  杨家玉

IPC: G06V10/14 ,  G06V10/82 ,  G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于ViT网络的图像成像设备识别方法，至少包括以下步骤：预先训练得到图像成像设备识别模型；将待识别图像输入图像成像设备识别模型并输出识别结果。在模型训练中，本发明首先根据相机拍摄的校色板和原始校色板的真值获得出当前环境条件下的相机色彩校正矩阵；其次，使用视觉ViT网络进行色彩校正矩阵特征的提取，将第一步提取出的相机色彩校正矩阵作为网络的收敛目标与网络提取的色彩校正矩阵使用损失距离的计算，经过训练得到可以提取色彩校正矩阵特征的ViT网络。训练完成得到性能优异的ViT网络，当新的图像送入网络时，训练好的ViT网络便能够提取该图像的色彩校正矩阵特征向量，结合KNN分类算法得到最终的图像相机设备型号预测类别。

公开(公告)号：CN115035536A

公开(公告)日：2022-09-09

申请号：CN202210469762.0

申请日：2022-04-30

Applicant: 杭州电子科技大学

Inventor： 李竹 ,  杨家玉 ,  刘圆圆 ,  陆康 ,  林宏伟 ,  陈锟剑 ,  陈冲

IPC: G06V30/19 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于连续卷积SPP网络的手写笔迹识别系统，输入单元、预处理单元、智能识别单元和输出单元依次连接，所述用户端的输出与输入单元连接，输出单元的输出与云端和用户端连接，云端还与预处理单元和智能识别单元连接；输入单元的输入为手绘图像数据；所述预处理单元进行平滑去噪、二值化和裁剪；所述智能识别单元对连续卷积SPP网络模型进行预训练、分析和模型投票，得到识别结果；所述输出单元将识别结果分别发送给用户端和云端。本发明除了可以提取螺旋线笔迹震颤特征，也可以同时提取螺旋线匝间距变化和形状特征，同时对多种类型震颤手绘图进行分类。

公开(公告)号：CN114898080B

公开(公告)日：2024-05-31

申请号：CN202210408143.0

申请日：2022-04-19

Applicant: 杭州电子科技大学

Inventor： 刘圆圆 ,  陈冲 ,  彭宇航 ,  李竹 ,  林宏伟 ,  陆康 ,  杨家玉

IPC: G06V10/762 ,  G06V10/30 ,  G06V10/56 ,  G06V10/82 ,  G06T5/90 ,  G06N3/084

Abstract: 本发明公开了一种基于ViT网络的图像成像设备识别方法，至少包括以下步骤：预先训练得到图像成像设备识别模型；将待识别图像输入图像成像设备识别模型并输出识别结果。在模型训练中，本发明首先根据相机拍摄的校色板和原始校色板的真值获得出当前环境条件下的相机色彩校正矩阵；其次，使用视觉ViT网络进行色彩校正矩阵特征的提取，将第一步提取出的相机色彩校正矩阵作为网络的收敛目标与网络提取的色彩校正矩阵使用损失距离的计算，经过训练得到可以提取色彩校正矩阵特征的ViT网络。训练完成得到性能优异的ViT网络，当新的图像送入网络时，训练好的ViT网络便能够提取该图像的色彩校正矩阵特征向量，结合KNN分类算法得到最终的图像相机设备型号预测类别。