-
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:CN112215750A
公开(公告)日:2021-01-12
申请号:CN202010961451.7
申请日:2020-09-14
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于RGB‑D数据的三维重建方法,包括如下方法步骤:S1、利用Kinect摄像头获取原始数据;S2、对获取的原始数据进行预处理;S3、引入非均匀B样条插值,对原始图像进行超分辨率重建;S4、对Kinect摄像头获取的RGB‑D数据进行校准;S5、对处理后的RGB‑D数据进行三角面片划分;S6、利用数学公式对系统过每个点及其领域的所有的面进行运算,进行克莱姆法则运算得到法线向量获取法向图;S7、输出重建后的三维模型。本发明三维重建算法可以快速的完成三维模型的重建,极大的提高三维重建速度,提升处理的效率。
-
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:CN112015104A
公开(公告)日:2020-12-01
申请号:CN202010825446.3
申请日:2020-08-17
Applicant: 湖北工业大学
IPC: G05B15/02 , G05B19/418 , G08C17/02 , G10L15/22
Abstract: 本发明涉及智能家居技术,具体涉及一种语音交互下的智能家居无线控制系统,采用LD3320芯片语音模块对语音信号进行采集,将所采集语音信号进行处理生成ID并与语音库进行匹配,匹配所得到的语音信号ID通过LPC11C14芯片实现外围器件的驱动;通过第三方终端图形化界面利用Wi-Fi模块将控制指令传输到ZigBee终端网络;进行Wi-Fi数据格式到ZigBee数据格式的解析并通过异步串口通信协议发送给ZigBee协调器;ZigBee协调器将控制信号传送至ZigBee终端节点完成硬件的控制。该系统具有语音交互和无线通信控制功能的智能家居控制系统,能使人机交互更加简单方便、且价格低廉。
-
公开(公告)号:CN112651894A
公开(公告)日:2021-04-13
申请号:CN202011594945.2
申请日:2020-12-29
Applicant: 湖北工业大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于RRDB的生成对抗网络图像去模糊算法。本发明在去模糊模型DeblurGAN网络的基础上,使用融合了多层残差网络和密集连接的RRDB网络单元替换生成器中的RB网络单元,并且在生成器的输入和输出之间加入全局跳跃连接,来提高生成器的学习和生成能力。然后在损失函数中,使用Wasserstein距离作为网络的对抗损失,避免在训练过程中出现网络退化问题;在内容损失上加入像素空间损失函数,对生成图像的像素内容一致性进行约束最终生成清晰图像。
-
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:CN112215788A
公开(公告)日:2021-01-12
申请号:CN202010966366.X
申请日:2020-09-15
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于改进生成对抗网络的多聚焦图像融合算法,应用于同一场景下不同位置聚焦拍照所提取的目标图像。首先,对生成器网络和判别器网络进行设计,为了避免图像在网络模型传递过程中造成的信息丢失,裁撤网络结构中的池化层,通过卷积层叠提取图像特征;其次,构建生成对抗网络的损失函数,优化网络参数,得到最佳的网络模型;最后,将所获取到的目标图像输入到训练好的模型中,获得融合图像;本发明在进行多聚焦图像融合算法时,通过生成对抗网络中的生成器生成融合图像,再将生成图像与源图像输入到判别器中,若判别器无法判别,则表明生成图像是最佳的融合图像。
-
-
-
-
-
-
-