-
公开(公告)号:CN109801242A
公开(公告)日:2019-05-24
申请号:CN201910064027.X
申请日:2019-01-23
Applicant: 西南交通大学
Abstract: 本发明涉及一种基于改进漫水填充算法的栅格图像矢量化方法,包括以下步骤:步骤S10:取原始图像,对其进行图像锐化,得到包含边缘信息的图像;步骤S20:点击原始图像,以步骤S10得到的图像作为掩模,通过漫水填充算法,对相应图块进行填充;步骤S30:利用空洞填充算法对步骤S20得到的图块进行修补;步骤S40:根据步骤S30得到的图像,利用Freeman链码轮廓跟踪算法,找到图块轮廓的坐标点集合;步骤S50:根据步骤S40得到的坐标点集合,利用多边形拟合算法,对坐标点数目抽稀,得到关键坐标点集合,并将其之间的连线有序绘制出来,形成轮廓,得到最终的矢量化图像。本发明具有良好的栅格图像矢量化的效果,且相比于人工多处描点的栅格矢量化过程。
-
公开(公告)号:CN110751195B
公开(公告)日:2023-02-07
申请号:CN201910965021.X
申请日:2019-10-12
Applicant: 西南交通大学
IPC: G06F18/24 , G06F18/214 , G06N3/045 , G06N3/0464
Abstract: 一种基于改进YOLOv3的细粒度图像分类方法,该方法包括下述步骤:一、对细粒度图像进行预处理;二、通过Darknet‑53特征提取网络对输入图像提取特征;三、多层卷积网络得到三种大小的分类特征图,分别为13×13,26×26,52×52;四、提取细粒度特征图。五、将原分类特征图与细粒度特征图融合,改进损失函数,训练网络直到达到预先设定的迭代次数或准确率不再提升;六、细粒度图像类别识别。本发明在不增加图像检测时间的前提下,通过加入细粒度分类层,提高YOLOv3原网络对细粒度图像分类的准确度。
-
公开(公告)号:CN110633610B
公开(公告)日:2022-03-25
申请号:CN201910413104.8
申请日:2019-05-17
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于YOLO的学员状态检测算法,包括以下步骤:S1:YOLO的改进;S2:在原来的DBL组件后加入瓶颈注意力模型BAM,然后经过2个DBL组件,再加入卷积注意力模型CBAM;S3:修改后的网络进行训练,本发明涉及基于YOLO的目标检测技术。本发明在YOLO网络的基础上,加入了瓶颈注意力模型(BAM)和卷积注意力模型(CBAM),在保证了较高检测速率的同时,提高了YOLO网络的精度。同时,我们将其应用在教学课堂中,实现对学生听课状态的检测,便于教学者对课堂情况的了解和管理加入了注意力机制的YOLO网络,经过在VOC 2012数据集上的测试,速度可以达到在自己的学员数据集上,准确率相对原版网络,准确率有所提升。
-
公开(公告)号:CN109801242B
公开(公告)日:2022-09-02
申请号:CN201910064027.X
申请日:2019-01-23
Applicant: 西南交通大学
Abstract: 本发明涉及一种基于改进漫水填充算法的栅格图像矢量化方法,包括以下步骤:步骤S10:取原始图像,对其进行图像锐化,得到包含边缘信息的图像;步骤S20:点击原始图像,以步骤S10得到的图像作为掩模,通过漫水填充算法,对相应图块进行填充;步骤S30:利用空洞填充算法对步骤S20得到的图块进行修补;步骤S40:根据步骤S30得到的图像,利用Freeman链码轮廓跟踪算法,找到图块轮廓的坐标点集合;步骤S50:根据步骤S40得到的坐标点集合,利用多边形拟合算法,对坐标点数目抽稀,得到关键坐标点集合,并将其之间的连线有序绘制出来,形成轮廓,得到最终的矢量化图像。本发明具有良好的栅格图像矢量化的效果,且相比于人工多处描点的栅格矢量化过程。
-
公开(公告)号:CN110751195A
公开(公告)日:2020-02-04
申请号:CN201910965021.X
申请日:2019-10-12
Applicant: 西南交通大学
Abstract: 一种基于改进YOLOv3的细粒度图像分类方法,该方法包括下述步骤:一、对细粒度图像进行预处理;二、通过Darknet-53特征提取网络对输入图像提取特征;三、多层卷积网络得到三种大小的分类特征图,分别为13×13,26×26,52×52;四、提取细粒度特征图。五、将原分类特征图与细粒度特征图融合,改进损失函数,训练网络直到达到预先设定的迭代次数或准确率不再提升;六、细粒度图像类别识别。本发明在不增加图像检测时间的前提下,通过加入细粒度分类层,提高YOLOv3原网络对细粒度图像分类的准确度。
-
公开(公告)号:CN110633610A
公开(公告)日:2019-12-31
申请号:CN201910413104.8
申请日:2019-05-17
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于YOLO的学员状态检测算法,包括以下步骤:S1:YOLO的改进;S2:在原来的DBL组件后加入瓶颈注意力模型BAM,然后经过2个DBL组件,再加入卷积注意力模型CBAM;S3:修改后的网络进行训练,本发明涉及基于YOLO的目标检测技术。本发明在YOLO网络的基础上,加入了瓶颈注意力模型(BAM)和卷积注意力模型(CBAM),在保证了较高检测速率的同时,提高了YOLO网络的精度。同时,我们将其应用在教学课堂中,实现对学生听课状态的检测,便于教学者对课堂情况的了解和管理加入了注意力机制的YOLO网络,经过在VOC 2012数据集上的测试,速度可以达到在自己的学员数据集上,准确率相对原版网络,准确率有所提升。
-
公开(公告)号:CN109961416B
公开(公告)日:2020-11-10
申请号:CN201910259552.7
申请日:2019-04-02
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于形态学梯度多尺度融合的营业执照信息提取方法:将营业执照原图依次进行多尺度变换的缩放处理、双边滤波算法去噪和灰度化处理后,得到灰度图;对灰度图进行黑帽运算并按像素取反,得到黑帽图;将灰度图与黑帽图按像素相减,得到边缘增强图;将边缘增强图进行开运算,得到开运算图;用最大极值稳定算法对开运算图检测,得到候选区图;对候选区图进行检测和去重,得到不同尺度的文本区域图;将不同尺度下的文本区域图进行比较,保留各个尺度下都检测到的文本区域,从而提取到图像文本信息。本方法解决了现有的图像处理信息在营业执照信息提取方面的准确度、硬件成本、计算成本不能兼顾的技术问题,大大提高了行政效率。
-
公开(公告)号:CN109766942B
公开(公告)日:2020-08-04
申请号:CN201910011538.5
申请日:2019-01-07
Applicant: 西南交通大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于注意力基于神经网络的小样本学习图像识别方法,方法包括如下步骤:步骤S1:将样本图片经过神经网络处理,得到该图片的特征向量;步骤S2:将同一类别图片的特征向量经过注意力网络处理,得到图片的特征注意力向量;步骤S3:将特征注意力向量与特征向量相乘得到注意力修正后的特征向量;步骤S4:将注意力修正后的特征向量求平均值得到同一类别的特征向量;步骤S5:将待处理的图片经过神经网络处理,得到待处理图片的特征向量;步骤S6:将待处理图片的特征向量与同一类别的特征向量进行距离远近的对比,得到待处理图片的所属类别,解决了当样本数据量比较少时可以进行图片分类同时能一定程度上减少图片背景干扰,提高识别准确率的问题。
-
公开(公告)号:CN110503052A
公开(公告)日:2019-11-26
申请号:CN201910794746.7
申请日:2019-08-27
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于改进U-NET网络的图像语义分割方法,包括:步骤1:对输入图像依次进行不同尺度的下采样,并提取不同尺度的图像特征;步骤2:对所提取各尺度的图像特征分别进行空洞卷积操作,之后进行图像特征融合;步骤3:对融合后的图像特征进行通道叠加,并从高维特征逐一映射到低维特征,生成多通道的映射结果;步骤4:对各尺度的映射结果进行上采样,获得预测结果,对预测结果可视化,将one-hot编码结果转换为可见的图片。本发明基于改进U-net的图像语义分割方法,将其运用于航拍图像分割问题上,较U-net有更好的识别准确率。
-
公开(公告)号:CN109961416A
公开(公告)日:2019-07-02
申请号:CN201910259552.7
申请日:2019-04-02
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于形态学梯度多尺度融合的营业执照信息提取方法:将营业执照原图依次进行多尺度变换的缩放处理、双边滤波算法去噪和灰度化处理后,得到灰度图;对灰度图进行黑帽运算并按像素取反,得到黑帽图;将灰度图与黑帽图按像素相减,得到边缘增强图;将边缘增强图进行开运算,得到开运算图;用最大极值稳定算法对开运算图检测,得到候选区图;对候选区图进行检测和去重,得到不同尺度的文本区域图;将不同尺度下的文本区域图进行比较,保留各个尺度下都检测到的文本区域,从而提取到图像文本信息。本方法解决了现有的图像处理信息在营业执照信息提取方面的准确度、硬件成本、计算成本不能兼顾的技术问题,大大提高了行政效率。
-
-
-
-
-
-
-
-
-