-
公开(公告)号：CN113177937B
公开(公告)日：2022-09-13
申请号：CN202110568000.1
申请日：2021-05-24
申请人： 河南大学
摘要： 本发明提供一种基于改进YOLOv4‑tiny的布匹缺陷检测模型及方法。该检测模型在YOLOv4‑tiny主干网络中的残差块加入密集连接卷积块CSPDenseBlock，并在主干网络最后加入spp模块，形成新的特征提取网络；新的所述特征提取网络输出两种不同尺度的特征图；两种不同尺度的特征图分别通过各自对应的卷积块处理后进入各自的YOLO层对目标进行预测。本发明通过在其原来的残差块中加入密集连接卷积块对主干网络进行调整，扩充了检测模型的神经元感受野有助于浅层信息的提取；使用密集卷积块构造较深的主干网络框架，有助于识别多个难以区分的目标，增加模型检测的准确性；整个模型可用于对复杂场景下布匹缺陷检测任务的优化，并且检测精度较传统的模型更好。
-
公开(公告)号：CN113177937A
公开(公告)日：2021-07-27
申请号：CN202110568000.1
申请日：2021-05-24
申请人： 河南大学
摘要： 本发明提供一种基于改进YOLOv4‑tiny的布匹缺陷检测模型及方法。该检测模型在YOLOv4‑tiny主干网络中的残差块加入密集连接卷积块CSPDenseBlock，并在主干网络最后加入spp模块，形成新的特征提取网络；新的所述特征提取网络输出两种不同尺度的特征图；两种不同尺度的特征图分别通过各自对应的卷积块处理后进入各自的YOLO层对目标进行预测。本发明通过在其原来的残差块中加入密集连接卷积块对主干网络进行调整，扩充了检测模型的神经元感受野有助于浅层信息的提取；使用密集卷积块构造较深的主干网络框架，有助于识别多个难以区分的目标，增加模型检测的准确性；整个模型可用于对复杂场景下布匹缺陷检测任务的优化，并且检测精度较传统的模型更好。
-
公开(公告)号：CN102255914B
公开(公告)日：2012-07-18
申请号：CN201110202255.2
申请日：2011-07-19
申请人： 河南大学
IPC分类号： H04L29/06
摘要： 本发明涉及一种高效Android网络应用程序信息验证方法，适用于智能手机系统。首先建立Android登录模块，用户通过输入用户名密码登录数据服务器，登录成功后，数据服务器为用户分配一个唯一的登录标识码，并对此标识需进行加密处理放入校验表，同时将登录标识码原码返回Android应用程序；定义Android交互数据结构，使用GZip对传输数据进行压缩；数据服务器使用SOAP技术构建WebService，用户登录成功后，在调用WebService中的数据交互函数时先进行登录标识码的验证，若验证通过，再执行手机与数据服务器之间的数据交互操作。本发明解决了Android利用WebService访问服务器数据时的信息验证问题，在不影响网络访问性能的基础上，使WebService的安全性得到提高。
-
公开(公告)号：CN114792300A
公开(公告)日：2022-07-26
申请号：CN202210098820.3
申请日：2022-01-27
申请人： 河南大学
摘要： 本发明公开一种基于多尺度注意力X光断针检测方法，本发明根据工业应用的特点，将多尺度注意力X光异物检测算法应用于X光异物检测，优化了残差神经网络的结构，这些改进使模型在工业级应用上检测速度和精度符合工业标准，确保模型的泛化能力强；相较传统的X光金属异物检测系统，基于深度学习的多尺度注意力X光异物检测算法可以检测本身含有金属的产品异物，经过重新训练后也可以根据用户需求识别其他异物，并可以快速部署在X光检针机上，实现了快速、全自动化、可保存数据、及时反馈的断针识别检测。
-
公开(公告)号：CN113066075A
公开(公告)日：2021-07-02
申请号：CN202110385654.0
申请日：2021-04-10
申请人： 河南大学
摘要： 本发明涉及一种多图像融合的牛仔布瑕疵检测方法及装置，所述方法包括通过验布机构采集牛仔布图像数据，构建牛仔布图像数据的数据集，并通过标记机构人工标注所述牛仔布图像数据中有瑕疵的图像数据，所述牛仔布图像数据的数据集包括正面光源图像和背面光源图像，接着将多组所述牛仔布图像进行预处理，并进行MinPooling强化和差值组合三通道处理，最终利用输出数据对神经网络进行训练，对所述神经网络训练选定的ROI用OHEM算法进行处理，最终使用完成训练的所述神经网络，对牛仔布进行检测，并对检测到瑕疵的牛仔布进行自动标记。本发明融合了模板图像、正面光源图像和背面光源图像、使得瑕疵的特征更加丰富且突出，基于深度学习网络提高了识别的精度。
-
公开(公告)号：CN102722737A
公开(公告)日：2012-10-10
申请号：CN201210156783.3
申请日：2012-05-13
申请人： 河南大学
摘要： 本发明涉及一种高效纸质文档防篡改方法，适用于纸质文档的防篡改验证系统。首先建立纸质文档打印模块，设置数据保护区域，对保护区数据进行加密编码，编码后的保护区数据进行二进制反码求和生成校验码，生成纸质文档中的二维条形码，打印输出纸质文档，校验纸质文档时，扫描得到纸质文档图像文件，读取二维条形码信息，得到保护区域信息，使用OCR技术识别得到纸质文档中的重要数据，从所述的二维条形码中得到校验码，进行数据校验。本发明所提供的数据校验方法具有相当的高效与准备性，较好的解决了纸质文档中重要信息被篡改的问题，保证了纸质文档中数据的安全性。
-
公开(公告)号：CN115147711B
公开(公告)日：2024-07-16
申请号：CN202210871217.4
申请日：2022-07-23
申请人： 河南大学
IPC分类号： G06V20/05 , G06V10/82 , G06V10/764 , G06N3/048 , G06N3/0464 , G06N3/08
摘要： 本发明提供一种基于改进Retinanet的水下目标检测网络及方法。该网络包括：backbone层、neck层和head层；backbone层采用残差网络Resnet50；neck层包括特征金字塔网络模块、上下文提取模块和注意力引导模块；head层包括下采样模块、分类子网络和框回归子网络；其中，待检测的水下图像经过backbone层进行后得到四个不同大小的特征图；四个不同大小的特征图并列输入至neck层进行特征融合，得到四个不同大小的新特征图；四个不同大小的新特征图中的最上层的新特征图经下采样模块之后，连同其他三个新特征图一并输入至分类子网络和框回归子网络从而得到水下图像中的各水下目标。
-
公开(公告)号：CN115731400A
公开(公告)日：2023-03-03
申请号：CN202211509961.6
申请日：2022-11-29
申请人： 河南大学
IPC分类号： G06V10/44 , G06V10/80 , G06V10/75 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/08 , G06N5/04
摘要： 本发明提供一种基于自监督学习的X光图像异物检测方法。该方法包括：步骤1：构建基于结构重参数化的ConvMAE模型，记作RepConvMAE自监督模型，包括用于提取输入图像的多尺度特征图的Encoder和用于基于提取的多尺度特征图来重构图像的Decoder；步骤2：采用X光图像数据集对所述RepConvMAE自监督模型进行预训练；步骤3：构建检测模型EFFR‑CNN，由浅层至深层依次包括：骨干网络、FPN层、共享特征层、RPN层、ROI Pooling层和全连接层；所述骨干网络采用预训练后的所述RepConvMAE自监督模型中的Encoder；步骤4：采用X光异物图像数据集训练所述检测模型EFFR‑CNN；步骤5：将待测X光图像输入至训练好的检测模型EFFR‑CNN，得到检测结果。
-
公开(公告)号：CN113066075B
公开(公告)日：2022-11-01
申请号：CN202110385654.0
申请日：2021-04-10
申请人： 河南大学
摘要： 本发明涉及一种多图像融合的牛仔布瑕疵检测方法及装置，所述方法包括通过验布机构采集牛仔布图像数据，构建牛仔布图像数据的数据集，并通过标记机构人工标注所述牛仔布图像数据中有瑕疵的图像数据，所述牛仔布图像数据的数据集包括正面光源图像和背面光源图像，接着将多组所述牛仔布图像进行预处理，并进行MinPooling强化和差值组合三通道处理，最终利用输出数据对神经网络进行训练，对所述神经网络训练选定的ROI用OHEM算法进行处理，最终使用完成训练的所述神经网络，对牛仔布进行检测，并对检测到瑕疵的牛仔布进行自动标记。本发明融合了模板图像、正面光源图像和背面光源图像、使得瑕疵的特征更加丰富且突出，基于深度学习网络提高了识别的精度。
-
公开(公告)号：CN115187615A
公开(公告)日：2022-10-14
申请号：CN202210784416.1
申请日：2022-07-05
申请人： 河南大学
摘要： 本发明提供一种基于改进MultiResUNet的皮肤黑色素瘤图像分割网络结构及方法。该网络结构包括encoder模块和decoder模块，将原MultiResUNet网络中的MultiRes Block替换为新的MultiRes Block，以形成新的MultiResUNet网络；其中，所述新的MultiRes Block包括第一残差层和三个堆叠在一起的具有不同空洞率的Conv2d层；三个所述Conv2d层的输出进行concat操作之后与所述第一残差层的输出结果进行特征相加操作。本发明扩大了感受野有助于分割不同大小的目标；加入了双注意力机制重新调整特征权重有助于分割不同位置、不同形状的目标，提高了分割的精度。
-
-
-
-
-
-
-
-
-
搜索结果
23 条记录 (耗时 0.025 秒)
