-
公开(公告)号：CN117932953A
公开(公告)日：2024-04-26
申请号：CN202410134835.X
申请日：2024-01-31
Applicant: 西南交通大学 , 西南交通大学唐山研究院
IPC: G06F30/20 , G06Q10/083 , G06Q10/087 , G06Q10/0633 , G06Q10/0631
Abstract: 本发明公开了一种面向自动仓储的流程仿真方法及系统，涉及物流仿真技术领域，展示层包括仿真日志、货物排队情况、机器处理进度、出入库响应时间和机器故障比率；业务层通过控制中心监控系统功能和工作流的运行；服务层为通过调用WMS系统接口，为仿真模型导入货物数据，以及为WfMS系统定义业务流程，启动WMS系统后仿真系统创建并激活实体，同时驱动工作流引擎执行相应的活动；技术层包括仿真策略支持的随机数生成、多线程并发、仿真时钟推进、进程调度，和工作流引擎驱动的资源文件读取、监听器配置与流程推进。本发明可以找出仓储业务的瓶颈所在，提高出入库效率并实现仓库资源的精细化管理。
-
公开(公告)号：CN119580116A
公开(公告)日：2025-03-07
申请号：CN202411656673.2
申请日：2024-11-19
Applicant: 西南交通大学
IPC: G06V20/13 , G06V10/52 , G06V10/764 , G06V10/80 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于多聚内核的遥感图像目标动态检测方法，属于遥感图像检测领域，该方法包括：采集遥感图像，并对YOLOv8模型进行优化，利用优化后的YOLOv8模型主干网络中基于多聚内核的跨阶段特征融合模块对遥感图像进行信息提取，得到不同尺度的特征图；利用颈部网络对特征图进行动态上采样，响应于颈部网络输出上采样特征图，添加动态检测头并利用注意力机制对上采样特征图进行优化以及特征融合，得到融合特征图；对特征图进行分类，得到分类后的目标检测结果。本发明解决了现有技术在多类别数据集上的实验效果不充分、小目标数量多、遥感图像目标尺度变化大和分布密集以及复杂背景下的检测情况的问题。
-
公开(公告)号：CN115457044B
公开(公告)日：2023-04-28
申请号：CN202210969247.9
申请日：2022-08-12
Applicant: 西南交通大学 , 四川华腾公路试验检测有限责任公司
IPC: G06T7/10 , G06V10/764 , G06V10/774 , G06V10/80
Abstract: 本发明公开了一种基于类激活映射的路面裂缝分割方法，其包括获取路面裂缝图像，并对其进行限制对比度自适应直方图均衡化处理；将处理后的路面裂缝图像裁剪成若干补丁，并输入已训练的Xception网络生成类激活映射；将所有补丁输入已训练的DeepLabV3+网络，DeepLabV3+网络包括编码器、解码器和连接二者的交叉层；采用编码器得到每张补丁的特征图，将特征图和类激活映射在交叉层进行卷积运算操作输出至解码器中，得到对应的分割结果；采用裂缝边界细化模块CBRM细化每张补丁的分割结果中的裂缝边界，得到补丁的分割掩膜；采用重叠融合方法对所有补丁对应的分割掩膜进行组合，并基于最大概率方法获得路面裂缝图像的最终分割结果。
-
公开(公告)号：CN115457044A
公开(公告)日：2022-12-09
申请号：CN202210969247.9
申请日：2022-08-12
Applicant: 西南交通大学 , 四川华腾公路试验检测有限责任公司
IPC: G06T7/10 , G06V10/764 , G06V10/774 , G06V10/80
Abstract: 本发明公开了一种基于类激活映射的路面裂缝分割方法，其包括获取路面裂缝图像，并对其进行限制对比度自适应直方图均衡化处理；将处理后的路面裂缝图像裁剪成若干补丁，并输入已训练的Xception网络生成类激活映射；将所有补丁输入已训练的DeepLabV3+网络，DeepLabV3+网络包括编码器、解码器和连接二者的交叉层；采用编码器得到每张补丁的特征图，将特征图和类激活映射在交叉层进行卷积运算操作输出至解码器中，得到对应的分割结果；采用裂缝边界细化模块CBRM细化每张补丁的分割结果中的裂缝边界，得到补丁的分割掩膜；采用重叠融合方法对所有补丁对应的分割掩膜进行组合，并基于最大概率方法获得路面裂缝图像的最终分割结果。
-
公开(公告)号：CN114693732B
公开(公告)日：2022-11-25
申请号：CN202210222809.3
申请日：2022-03-07
Abstract: 本发明涉及计算机视觉、图像处理技术领域，具体为一种弱小目标检测与跟踪方法，其包括以下步骤：S1、构建图像数据训练集；S2、问询式注意力库优化；S3、自适应滤波；S4、渐进关联。先从公开数据集图像和人工标记图像获得弱小目标图像信息与生成相应的无锚标签以此构建弱小目标图像数据库；再以残差结构，特征融合结构，编解码架构构建基线深度学习模型。由历史坐标管道进行径自适应可对当前坐标管道中的噪声坐标予以过滤。最后由较高阈值的参考坐标管道逐步对低级阈值的候选坐标管道进行关联挖掘更新以及自适应滤波，并不断迭代得到最终坐标集。这套方法较以往的方法在召回率、准确率、综合评价指标方面都有很大优势。
-
Patent Agency Ranking
公开(公告)号：CN108628957B
公开(公告)日：2021-06-15
申请号：CN201810328080.1
申请日：2018-04-13
Applicant: 西南交通大学
IPC: G06F16/957
Abstract: 本发明公开了一种基于时间区间的螺旋图可视化曲线绑定方法，包括：1)输入数据集；2)绘制同心的状态圆环来表示状态集；3)划分状态圆环的子区间；4)映射及划分数据集中所有数据的类别；5)设置虚拟绑定圆环；6)绘制绑定曲线等步骤。本发明有效地降低了传统的螺旋图可视化方法在展示大量数据时所产生的视觉杂乱的程度，使得可视化界面更加整洁清晰，为用户提供了更直观地了解、分析数据的功能。
-
公开(公告)号：CN109636809B
公开(公告)日：2020-12-25
申请号：CN201811461909.1
申请日：2018-12-03
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于尺度感知的图像分割层次选择方法，以提高整体图像的分割质量。包括如下主要步骤：首先利用多层次图像分割算法得到树形表示的分割结果；其次，计算每个分割层次中所有分割区域的特征向量，依据视觉格式塔原理对区域分割质量进行量化描述；再次，以分割粒度最细的层次区域为节点，构建多层次分割图像的图模型，最后，将标签映射到原层次对应的区域，组合得到最终的图像分割结果。本发明以分割区域质量为依据的尺度选择原则，解决图像多层次分割的层次选择的问题，克服了传统单一层次选择的局限性和阈值参数对分割层次选择的不确定性。作为一种后处理手段，本发明能改善多层次图像分割算法在视觉处理任务中的输出质量。
-
公开(公告)号：CN111339668A
公开(公告)日：2020-06-26
申请号：CN202010129850.7
申请日：2020-02-28
Applicant: 西南交通大学
Abstract: 本发明公开了基于情绪认知的人群疏散可视化方法，包括步骤：构建人群疏散导航网格、初始化人群、紧急事件发生后计算每个个体的情绪和运动速度、根据人群运动信息计算可行走区域的人群密度并对导航网进行更新、根据基于密度信息的导航图搜索算法为每个个体规划最短路径或最快路径、以图形化的方式实现人群疏散可视化。本发明的有益效果在于：区别于传统人群疏散可视化方法，本发明有效地提高了人群疏散可视化的真实性；区别于传统的导航图算法，本发明保证了人群疏散可视化中个体行为的多样性；区别于传统的个体几何表示方法，本发明保证了人群疏散的高效性。
-
公开(公告)号：CN111210452A
公开(公告)日：2020-05-29
申请号：CN201911396763.1
申请日：2019-12-30
Applicant: 西南交通大学
Abstract: 本发明基于图割和均值偏移的证件照人像分割方法，步骤如下：1、建立人像图像训练数据集，搜集正面人像原始图像，标记半身人像外轮廓区域，计算人像外轮廓区域概率图；2、获取轮廓分布图的内外轮廓，使用255分别填充此内外轮廓，沿外轮廓向内侧腐蚀W1像素得图像A，沿内轮廓向外膨胀W2像素得图像B，二者差值C为未知区域。将B和C分别映射到模板M中，作为最终分割模板。3、基于人像模板图M使用图割方法得人像分割结果label_a；4、通过均值偏移方法对图像进行区域分割，得到分割区域图像label_b；5、根据图割结果和均值偏移结果建立分割的概率图layer；6、根据概率图layer的分布，优化label_a的分割结果，获取最终结果R。本发明能有效提高人像分割的准确率。
-
公开(公告)号：CN109767423A
公开(公告)日：2019-05-17
申请号：CN201811515968.2
申请日：2018-12-11
Applicant: 西南交通大学
IPC: G06T7/00
Abstract: 本发明公开了一种沥青路面图像的裂缝检测方法。首先将标记好的训练数据输入到Crack-Faster-RCNN模型；其次，训练深度残差卷积神经网络ResNet101提取图像特征的能力、区域建议网络RPN对裂缝和背景的分类能力、分类网络Classifier对裂缝的分类以及边框位置回归的能力；最后保存训练好的Crack-Faster-RCNN模型参数。将训练好的Crack-Faster-RCNN模型用于检测新的路面裂缝图像，首先加载模型的参数，提取图像的特征；然后对其进行裂缝的检测；最后标记裂缝的位置信息。本发明通过构建路面裂缝检测的深度神经网络框架，实现了可应用于实际场景的沥青路面裂缝检测方法。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.028 seconds)
