-
公开(公告)号：CN115239956A
公开(公告)日：2022-10-25
申请号：CN202210831979.1
申请日：2022-07-14
Applicant: 襄阳湖北工业大学产业研究院 , 湖北工业大学
Abstract: 本发明公开了一种基于注意力解码网络的航拍图像实时语义分割方法，包括：准备训练、测试用的图像数据集；构建基于注意力解码网络的航拍图像实时语义分割网络，以MobileNetV2为编码器，以两个交叉注意力混合模块CAF1、CAF2和金字塔注意力模块PAM构成专注解码器；使用训练好的网络模型得到航拍图像语义分割结果。本发明采用MobileNetV2为骨干网络提高了语义分割的实时性推理速度，提出交叉注意力混合机制解决了轮廓信息缺失的问题，提出金字塔注意力模块消除了卷积神经网络无法捕获长范围语义信息的局限性。
-
公开(公告)号：CN114972752A
公开(公告)日：2022-08-30
申请号：CN202210516623.9
申请日：2022-05-12
Applicant: 湖北工业大学
IPC: G06V10/26 , G06F17/16 , G06V10/774 , G06V10/82
Abstract: 本发明涉及一种基于轻量级交叉注意网络的实时语义分割的方法，包括：准备训练、测试用的图像数据集；构建基于交叉注意机制的轻量级实时语义分割网络，包括编码器和解码器，编码器仅去除ResNet18尾部的全连接层以后的部分，其余部分保持不变，解码器包括两个CSCA模块和一个CAB模块；使用训练好的网络模型得到图像语义分割结果。本发明提出的CSCA模块使用条状交叉亲和运算来生成通道注意力权重向量，以实现经济的浅层特征选择及多尺度特征混合，从而使网络的分割轮廓更清晰，引入解码器的噪声更小；CAB模块通过捕获水平和垂直空间维度之间的交叉信息以获取远程交叉上下文信息，有效地消除了卷积神经网络(CNN)无法捕获远程上下文信息的限制。
-
公开(公告)号：CN116844109A
公开(公告)日：2023-10-03
申请号：CN202310763899.1
申请日：2023-06-26
Applicant: 湖北工业大学
Abstract: 本发明公开了一种改进YOLOv7和融合双向路由注意力机制的火焰检测方法。所述方法包括S1：通过可视化监控拍摄设备及网络爬虫的方式获取带有火焰目标的图像，并对所述图像数据进行筛选和标注，建立火焰图像数据集。S2：以YOLOv7为基础模型建立火焰检测模型，以实现火焰的类别和位置信息的检测。S3：在S2所述的基础模型中融合双向路由注意力机制模块并改进边界框损失函数，得到改进YOLOv7和融合双向路由注意力机制火焰检测算法。S4：利用建立的火焰图像数据集对改进后的YOLOv7算法进行训练和测试，得到训练完成的改进的YOLOv7火焰检测模型。将所述训练完成的改进的YOLOv7火焰检测模型部署到可视化监控拍摄设备中，并根据火焰检测结果产生告警信息。
-
Patent Agency Ranking
公开(公告)号：CN116309545A
公开(公告)日：2023-06-23
申请号：CN202310519430.3
申请日：2023-05-10
Applicant: 湖北工业大学
IPC: G06T7/00 , G06T7/12 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种面向医学显微图像的单阶段细胞核实例分割方法。本发明采用ResNet联合FPN结构作为特征提取网络并将金字塔拆分注意力模块嵌入到骨干网络中用来提高模型更细粒度的多尺度特征表示能力，以学习更丰富的多尺度特征空间信息；提出了扩张卷积聚合模块大大提高了网络的感受野和捕获多尺度上下文信息的能力；提出了上下文信息聚合模块为网络提供多尺度空间上下文信息来减少信道中的信息丢失。此外，本发明采用了一种新的分布排名（DR）损失函数，可以有效缓解目标与背景之间的不平衡。本发明实施例的医学图像分割方法提高了实例分割性能，尤其对密集小目标和粘连目标的分割性能有显著提升。
-
公开(公告)号：CN115542172A
公开(公告)日：2022-12-30
申请号：CN202211526661.9
申请日：2022-12-01
Applicant: 湖北工业大学
IPC: G01R31/367 , G01R31/396 , H01M10/42 , H01M10/48 , B60L58/18 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种动力电池故障检测方法、系统、装置及存储介质，包含对电池时序数据构建签名矩阵、基于卷积自编码器提取空间特征、基于卷积长短期记忆网络捕获数据时序特征、基于编码器提取的空间特征和卷积长短期记忆网络提取的时序特征利用解码器进行签名矩阵的重构、利用初始签名矩阵与重构矩阵之间残差对异常进行检测和诊断，在电动汽车监控平台对动力电池组进行监控与分析，有效助力电池系统的安全。
-
公开(公告)号：CN114972752B
公开(公告)日：2024-08-02
申请号：CN202210516623.9
申请日：2022-05-12
Applicant: 湖北工业大学
IPC: G06V10/26 , G06F17/16 , G06V10/774 , G06V10/82
Abstract: 本发明涉及一种基于轻量级交叉注意网络的实时语义分割的方法，包括：准备训练、测试用的图像数据集；构建基于交叉注意机制的轻量级实时语义分割网络，包括编码器和解码器，编码器仅去除ResNet18尾部的全连接层以后的部分，其余部分保持不变，解码器包括两个CSCA模块和一个CAB模块；使用训练好的网络模型得到图像语义分割结果。本发明提出的CSCA模块使用条状交叉亲和运算来生成通道注意力权重向量，以实现经济的浅层特征选择及多尺度特征混合，从而使网络的分割轮廓更清晰，引入解码器的噪声更小；CAB模块通过捕获水平和垂直空间维度之间的交叉信息以获取远程交叉上下文信息，有效地消除了卷积神经网络(CNN)无法捕获远程上下文信息的限制。
-
公开(公告)号：CN118037585A
公开(公告)日：2024-05-14
申请号：CN202410047010.4
申请日：2024-01-12
Applicant: 湖北工业大学
IPC: G06T5/73 , G06T5/80 , G06V10/774 , G06V10/82 , G06V10/80
Abstract: 本申请具体涉及一种端到端的图像去雾方法、装置及介质。方法包括：S10、以训练样本集的有雾图像作为输入，去雾图像作为输出，构建网络去雾模型；S20、对有雾图像进行多尺度特征提取，获取第一特征图像；同时通过分辨率降低后的有雾图像进行下采样特征提取，获取第二特征图像；S30、分别对第一特征图像和第二特征图像的多尺度特征与风格特征进行针对性强化；S40、将强化后的第一特征图像和第二特征图像聚合，获取去雾图像；S50、根据训练样本集的无雾图像，对去雾图像的去雾效果进行评测，优化网络去雾模型的参数，训练至网络去雾模型稳定；S60、将获取的真实图像输入网络去雾模型，获取图像输出。本申请具备去雾较彻底、失真及丢失率小等优点。
-
公开(公告)号：CN117422988A
公开(公告)日：2024-01-19
申请号：CN202311168734.6
申请日：2023-09-11
Applicant: 湖北工业大学
Abstract: 本申请涉及图像识别技术领域，具体涉及一种低空目标图像自动标注方法、装置及终端和存储介质，本申请提供的一种低空目标图像自动标注方法包括以下步骤：根据所述终端的图像捕捉设备的捕捉操作获取原始图像信息；将所述原始图像信息输入目标标注网络模型获取低空目标图像的标注结果，其中，所述目标标注网络模型为根据多个数据集样本以及多个数据集样本对应的低空目标图像标注结果，训练获取的模型；所述目标标注网络模型包括：骨干网络、特征分离模块、信息聚合模块、分区上下文模块和检测网络。基于本申请提供的方法、装置等，至少具有模型配合度高、自动标注精确等优点。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
