-
公开(公告)号：CN116246187A
公开(公告)日：2023-06-09
申请号：CN202310302295.7
申请日：2023-03-24
Applicant: 重庆科技学院
IPC: G06V20/17 , G06N3/084 , G06N3/048 , G06V10/82 , G06V10/764 , G06N3/0464
Abstract: 本发明公开了一种基于动态卷积神经网络的无人机高空拍摄图像检测方法，按照以下步骤进行：对待救援人员数据进行收集、筛选、标注、数据预处理，得到处理图像；将处理图像输入提出的动态卷积神经网络模型进行模型训练、参数调整优化，得到改进型动态卷积神经网络模型；采用无人机摄像头拍摄救援地高空图像；将所述救援地高空图像实时输入至所述改进型动态卷积神经网络模型进行检测识别，输出检测结果，直至找到待救援人员。有益效果搜救速度提升、检测精度高、鉴别成效好、低成本。
-
公开(公告)号：CN116245888A
公开(公告)日：2023-06-09
申请号：CN202310298745.X
申请日：2023-03-24
Applicant: 重庆科技学院
IPC: G06T7/10 , G06T7/00 , G06N3/084 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于引入频率域深度学习网络的钢材缺陷图像分割方法，包括以下步骤：使用工业相机获取钢材图像；通过预处理将图像调整为相同位置及尺寸；划分不同数据集；建立引入频率域全新卷积模块、池化模块和上采样模块的分割网络模型Fre‑Net；通过端对端的方式进行网络训练，以真实值对预测结果进行反向调优校正网络参数，最终网络可实现对瓶装钢材缺陷图像的精准分割。本发明实现了钢材图像的缺陷分割，另外本方法对钢材图像缺陷分割的方法可以应用到其它类似简单图像的目标分割中。有益效果：引入频率域深度学习网络，缺陷切割效果好，准确率高。
-
公开(公告)号：CN116543197A
公开(公告)日：2023-08-04
申请号：CN202310355763.7
申请日：2023-04-04
Applicant: 重庆科技学院
IPC: G06V10/764 , G06V10/774 , G06V10/42 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于特征融合和注意力机制的医学图像分类方法，包括的步骤为：图像预处理；基于卷积神经网络主干网的特征提取。基于多尺度特征融合；交互注意力金字塔，筛选出具有判别性信息，并聚焦到这些重要信息上；经平均池化层输出分类结果。本发明的分类方法全部采用卷积方式提取特征，参数量较少，运行速度较快，适应医学影像数据少量样本的特征，不需要更新过多的权重参数，同时经实验验证此方法能够很好的适应一些“类间差异大，类类差异小”的一些比较难分的医学图像数据集。不仅适用于二分类任务，同时适用于多分类任务，可以根据任务需要，灵活调整主干网的类型，以适应不同的分类任务。
-
公开(公告)号：CN116363108A
公开(公告)日：2023-06-30
申请号：CN202310352714.8
申请日：2023-04-04
Applicant: 重庆科技学院
IPC: G06T7/00 , G06T5/50 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于注意力机制的微小淋巴结图像小目标检测方法，将原始微小淋巴结区域图像进行预处理调整，对所有图像进行矩阵转化，生成特征信息矩阵后再迭代转化、损失值求和取平均，优化训练模型中的参数；根据训练模型的结果与其人工标定结果作对比，得到验证集全部图像的平均精度，提取其中最高精度作为最优的训练模型参数；将获取特征信息矩阵送入最优的训练模型，获得自动标定的检测图像，根据锚框位置判断是否存在病变区域以及获取其位置。本发明的有益效果：能够对图片全局做出分析也能对图片细节地方进行处理，很好的抓取图片中的存在的病变区域，计算量少，精确度高。
-
-
-
Search Results
4
records
(took 0.019 seconds)
