-
公开(公告)号：CN108691176B
公开(公告)日：2021-03-02
申请号：CN201810655077.0
申请日：2018-06-23
Applicant: 湖北工业大学
IPC: D06F58/10 , D06F58/20 , D06F34/04 , D06F34/26 , D06F103/32 , D06F103/34
Abstract: 本发明公开一种快速衣服烘干装置。为了尽可能地缩小烘干装置的空间，将烘干空间设定为一件衣服的大小，整个烘干过程在一个箱体内进行，由于衣服根据种类不同而有长短之分，本发明提供了一种既简单可靠又节省材料的箱体空间调节方案；箱体可利用部件的折叠调整空间的大小；接着，本发明根据需要改进出一种附带风机的特制衣架，这解决了衣服的受热不均的问题，同时加快了空气的流动，从而加快了烘干进程；本发明还配备了一个温湿度控制系统，并制定一套温湿度控制策略，用以优化加热策略，进一步加快烘干进程与确保人身、财产安全。
-
公开(公告)号：CN110781773B
公开(公告)日：2021-05-18
申请号：CN201910958540.3
申请日：2019-10-10
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于残差神经网络的道路提取方法，基于残差神经网络，采用了编码器‑解码器的网络结构，同时结合了空洞卷积模块(Dilated Convolutional Module,DCM)，提取更高维的特征信息；还采用多尺度特征融合的方法，学习更多低维和高维的特征，从而分割出准确的道路结构。本发明能显著提高了复杂背景下的道路提取效果。高分辨率遥感图像所包含的地面物体信息十分丰富，尤其对小尺度目标成像更加清晰。本发明能够解决车辆、绿化带和建筑物的阴影与遮挡对道路提取形成的干扰，对于光照不均以及对比度低的高分辨率遥感图像中的道路提取也有很好的效果。
-
公开(公告)号：CN110781773A
公开(公告)日：2020-02-11
申请号：CN201910958540.3
申请日：2019-10-10
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于残差神经网络的道路提取方法，基于残差神经网络，采用了编码器-解码器的网络结构，同时结合了空洞卷积模块(Dilated Convolutional Module,DCM)，提取更高维的特征信息；还采用多尺度特征融合的方法，学习更多低维和高维的特征，从而分割出准确的道路结构。本发明能显著提高了复杂背景下的道路提取效果。高分辨率遥感图像所包含的地面物体信息十分丰富，尤其对小尺度目标成像更加清晰。本发明能够解决车辆、绿化带和建筑物的阴影与遮挡对道路提取形成的干扰，对于光照不均以及对比度低的高分辨率遥感图像中的道路提取也有很好的效果。
-
公开(公告)号：CN109101865A
公开(公告)日：2018-12-28
申请号：CN201810549705.7
申请日：2018-05-31
Applicant: 湖北工业大学
Abstract: 本发明公开一种基于深度学习的行人重识别方法，包括：步骤1：预训练CNN模型：包括行人特征提取和特征度量，行人特征提取采用将全局特征以及局部特征相融合的方法，特征度量采用欧式距离作为相似性度量，在特征向量的距离约束条件下，建立基于度量矩阵的损失函数，采用的损失函数是在传统的Triplet Loss基础上增加约束函数，对CNN模型进行优化；步骤2：测试数据集：将测试数据集图像输入步骤1训练好的CNN模型中，获取图像特征并用欧氏距离计算目标行人图像和参考行人图像之间的相似度，最后将参考行人图像按照相似度大小排列，获得行人重识别结果。本方法适用于复杂场景下行人的重识别，对于场景变化的可移植性强，算法稳定、速度快，实用性强。
-
公开(公告)号：CN108691176A
公开(公告)日：2018-10-23
申请号：CN201810655077.0
申请日：2018-06-23
Applicant: 湖北工业大学
Abstract: 本发明公开一种新型快速衣服烘干装置。为了尽可能地缩小烘干装置的空间，将烘干空间设定为一件衣服的大小，整个烘干过程在一个箱体内进行，由于衣服根据种类不同而有长短之分，本发明提供了一种既简单可靠又节省材料的箱体空间调节方案；箱体可利用部件的折叠调整空间的大小；接着，本发明根据需要改进出一种附带风机的特制衣架，这解决了衣服的受热不均的问题，同时加快了空气的流动，从而加快了烘干进程；本发明还配备了一个温湿度控制系统，并制定一套温湿度控制策略，用以优化加热策略，进一步加快烘干进程与确保人身、财产安全。
-
Patent Agency Ranking
公开(公告)号：CN110781776B
公开(公告)日：2022-07-05
申请号：CN201910959220.X
申请日：2019-10-10
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于预测和残差细化网络的道路提取方法，针对道路目标的不同特征，设计了预测网络和残差细化网络组合的航拍图像道路提取算法。预测网络采用Encoder‑Decoder结构；其次，预测网络结合了空洞卷积模块DCM和多核池化模块MPM，能够充分地获得图像的上下文信息和道路边缘信息，提高道路边缘检测能力。残差细化网络将对预测网络产生的初始道路预测结果进行细化，改善预测网络由于噪声产生的道路模糊化，网络还融合了BCE、SSIM以及IoU损失函数进行监督训练，减少道路信息损失，有利于提取完整的道路结构。
-
公开(公告)号：CN110781895A
公开(公告)日：2020-02-11
申请号：CN201910957201.3
申请日：2019-10-10
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于卷积神经网络的图像语义分割方法，选择ResNet101作为骨架网络进行特征提取，提出了一个JFP模型将ResNet101输出的后三层进行联合，完善ResNet101对特征的提取，解决图像信息丢失的问题；然后将JFP的输出接入ASPP模型进一步提取图像的空间尺度信息，这部分作为编码结构能够更好的对图像信息进行提取；最后应用简单的解码结构将神经网络的输出图像恢复为原始大小，完成对图像的语义分割；同时，本发明设计了一个注意力模型，将这个模型的损失函数与语义分割网络的损失函数结合，辅助网络进行训练，提升训练模型的效果。本发明显著提高了复杂情景下的图像语义分割效果，能够适用于多种场景，具有对包20多种物体类别图像的语义分割处理能力。
-
公开(公告)号：CN109102520A
公开(公告)日：2018-12-28
申请号：CN201810549503.2
申请日：2018-05-31
Applicant: 湖北工业大学
Abstract: 本发明公开一种基于模糊均值聚类与卡尔曼滤波跟踪相结合的运动目标检测方法，该方法的主要思想是：先计算像素局部邻域的色差直方图(CDH)，然后采用模糊c均值聚类(FCM)来获得模糊色差直方图，紧接着进行背景建模，并使用相似性匹配检测前景，进一步采用基于块匹配的卡尔曼滤波器进行目标追踪。提出的基于模糊色差直方图FCDH的背景减除机制采用补丁级方法代替像素级，这种方法是将重点放在色差上，而不是色彩大小上。通过减少虚假错误的数量，FCDH可以显示出优良的性能。
-
公开(公告)号：CN109035274A
公开(公告)日：2018-12-18
申请号：CN201810964338.7
申请日：2018-08-23
Applicant: 湖北工业大学
CPC classification number: G06T7/12 , G06N3/0454 , G06T3/4038 , G06T5/009 , G06T7/194 , G06T2207/20036 , G06T2207/30176
Abstract: 本发明公开了一种基于背景估计与U型卷积神经网络的文档图像二值化方法，采用灰度变换将灰度图像的灰度值分布进行线性拉伸，利用形态学闭操作估计出文档图像的背景，再通过U型卷积神经网络对剔除估计背景后的图像进行分割，并采用全局最优阈值处理算法实现图像二值化。本发明能够显著提高复杂背景下的文档图像二值化效果。该方法适用于纤细笔画、墨迹浸润、页面有污渍、光照不均、对比度低等复杂背景下的低质量文档图像二值化处理。
-
公开(公告)号：CN110781895B
公开(公告)日：2023-06-20
申请号：CN201910957201.3
申请日：2019-10-10
Applicant: 湖北工业大学
IPC: G06V10/26 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于卷积神经网络的图像语义分割方法，选择ResNet101作为骨架网络进行特征提取，提出了一个JFP模型将ResNet101输出的后三层进行联合，完善ResNet101对特征的提取，解决图像信息丢失的问题；然后将JFP的输出接入ASPP模型进一步提取图像的空间尺度信息，这部分作为编码结构能够更好的对图像信息进行提取；最后应用简单的解码结构将神经网络的输出图像恢复为原始大小，完成对图像的语义分割；同时，本发明设计了一个注意力模型，将这个模型的损失函数与语义分割网络的损失函数结合，辅助网络进行训练，提升训练模型的效果。本发明显著提高了复杂情景下的图像语义分割效果，能够适用于多种场景，具有对包20多种物体类别图像的语义分割处理能力。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.021 seconds)
