公开(公告)号：CN115565107A

公开(公告)日：2023-01-03

申请号：CN202211203700.1

申请日：2022-09-29

Applicant: 杭州电子科技大学

Inventor： 颜成钢 ,  武松鹤 ,  高宇涵 ,  陈楚翘 ,  孙垚棋 ,  朱尊杰 ,  王鸿奎 ,  殷海兵 ,  胡冀 ,  张继勇 ,  李宗鹏

IPC: G06V20/40 ,  G06V10/80 ,  G06V10/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/82

Abstract: 本发明公开了一种基于双流架构的视频显著性预测方法。首先提取视频帧和光流图中包含的时间和空间特征；通过注意力模块增强时间特征并将时间和空间特征融合；再使用时间解码器生成的掩膜图过滤时空特征；使用GRU模块获取视频帧之间的长期时空信息；最后使用空间解码器生成预测图。本发明通过使用一种新颖的双流架构更加有效地提取出光流图和视频帧中包含的时间和空间特征；通过使用注意力模块对不同尺度的时间特征进行增强处理，更加有效地融合了时间和空间特征；通过使用一种时间掩膜方法更加准确地定位出时空特征中显著对象的位置；通过使用GRU模块能够捕获到视频中更长的时空信息。

公开(公告)号：CN117911334A

公开(公告)日：2024-04-19

申请号：CN202311807206.0

申请日：2023-12-26

Applicant: 杭州电子科技大学

Inventor： 陈雨中 ,  颜成钢 ,  赵健祥 ,  武松鹤 ,  赵强 ,  江劭玮

IPC: G06T7/00 ,  G06T5/50 ,  G06T5/30 ,  G06T5/60 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种基于多级特征融合的条带钢表面缺陷检测方法。首先获取带钢表面缺陷样本，构建基于多级特征融合的条带钢表面缺陷检测模型；利用获取的样本对模型进行训练，将待检测的数据输入至优化后的模型，得到输出的缺陷预测图，实现带钢表面缺陷的检测。本发明通过将输入分别传递到不同尺度的卷积层，每个卷积层使用不同的膨胀率和padding，可以获得不同尺寸的特征值。通过引入不同尺度的感受野，网络能够更全面地考虑输入数据的结构和关系，提高对复杂场景的理解能力。在条带钢表面缺陷的大小可能千差万别，使用不同膨胀率的卷积核允许网络更好地适应不同尺度的目标，提高了模型的鲁棒性。

公开(公告)号：CN117593289A

公开(公告)日：2024-02-23

申请号：CN202311789717.4

申请日：2023-12-25

Applicant: 杭州电子科技大学

Inventor： 陈雨中 ,  周晓飞 ,  武松鹤 ,  张继勇

IPC: G06T7/00 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明公开了一种基于卷积神经网络的条带钢表面缺陷检测方法，包括如下步骤：步骤1、构建一个LSDD模型，所述LSDD模型包括编码器和解码器，所述编码器由5个MHL模块构成；所述解码器由5个LEF模块构成；步骤2、应用公开数据集对LSDD模型进行训练；步骤3、将图像数据作为输入，通过完成训练的LSDD模型进行预测。该方法能在保持轻量化(参数少、运算速率快)的前提上，更大程度还原条带钢表面的缺陷信息。

公开(公告)号：CN116310695A

公开(公告)日：2023-06-23

申请号：CN202310393116.5

申请日：2023-04-13

Applicant: 杭州电子科技大学丽水研究院

Inventor： 颜成钢 ,  武松鹤 ,  周晓飞 ,  孙垚棋 ,  朱尊杰 ,  王帅 ,  高宇涵 ,  王鸿奎 ,  殷海兵 ,  张继勇 ,  李宗鹏 ,  赵治栋

IPC: G06V10/80 ,  G06V10/82 ,  G06V20/40 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于门控融合网络的视频显著性预测方法，首先构建门控融合网络；通过编码器提取视频片段包含的时空特征，用桥接模块增强顶层编码特征，再使用门控融合模块融合编解码特征，最后对门控融合特征进行解码处理，预测最终的显著图。本发明提出了一个门控融合模块用于将编码器的多级特征有效地融入到解码器中。该模块沿着时间、空间和通道维度加权编码特征，从而更加精准地定位显著对象的位置，并过滤掉特征中冗余的时空信息。