-
公开(公告)号：CN114627006A
公开(公告)日：2022-06-14
申请号：CN202210191314.9
申请日：2022-02-28
Applicant: 复旦大学
Abstract: 本发明公开了一种基于深度解耦网络的渐进式图像修复方法。该方法包括以下步骤：首先进行特征提取和边缘提取；接着用部分卷积模块渐进式更新缺陷区域和掩码；再将纹理和结构特征输入到编解码器计算，计算过程中进行双向感知计算，进行纹理生成和结构重建，然后在获得第一次重建特征图像后对图像缺失区域进行着色；再进行特征融合和图像再次重建；最后输出并计算损失函数，通过损失函数对网络进行训练，优化修复过程。本发明修复方法优于其它方法。
-
公开(公告)号：CN114595752A
公开(公告)日：2022-06-07
申请号：CN202210193445.0
申请日：2022-02-28
Applicant: 复旦大学
Abstract: 本发明公开了一种基于图像和近红外光谱信号的深度多模态纤维识别方法。该方法包括以下步骤：（1）获取纺织品的图像和近红外光谱信号；（2）将图像数据处理成局部切片后利用深度自注意力网络提取子图像的视觉序列；（3）对近红外光谱数据进行处理后，用多分支深度卷积网络获得分层的近红外特征；（4）基于图像和信号相关注意力模块，通过一个评分模块对图像和近红外信号的顺序特征进行匹配，通过参数分离的双向特征一致性模块，捕捉信号到图像和图像到信号特征之间两个方向的关联性，获得融合特征；（5）对融合特征编码；（6）进行分类和损失计算；本发明能识别具有类似纹理特征、具有类似近红外光谱曲线的纺织品，识别精度高。
-
公开(公告)号：CN114264626A
公开(公告)日：2022-04-01
申请号：CN202111557145.8
申请日：2021-12-18
Applicant: 复旦大学
IPC: G01N21/3563 , G01N21/359 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于时间序列残差网络的织物无损定量分析方法，针对相邻波段具有相关性的光谱数据，采用先抽取局部特征，再进行含量预测的建模思路。具体地，本发明使用一维卷积网络与残差结构进行局部特征的提取，同时消除无损检测条件下数据中存在的干扰，再将抽取过后的特征送入全连接网络，产生所关心的成分含量的百分比预测值。此方法能实现织物含量预测模型的端到端训练，利用卷积模块替代了传统预处理方法，并利用全连接网络建立了波形特征与所关心成分含量之间的非线性关系，误差小于常见的统计方法，且便于操作。
-
公开(公告)号：CN113222888A
公开(公告)日：2021-08-06
申请号：CN202110298633.5
申请日：2021-03-19
Applicant: 复旦大学
Abstract: 本发明属于纺织品检测技术领域，具体为一种基于深度纹理特征的纺织品纱织尺寸检测方法。本发明包括：使用光学显微镜获取待检测纺织品的纹理细节图像数据；设计一个多尺度字典学习的纹理编码网络模型，该模型包括特征提取层、多尺度字典学习层、多尺度字典注意力层、特征融合层以及分类层；训练该纹理编码网络模型；使用训练好的纹理编码网络模型对待检测图像进行纺织品纱织尺寸检测，得到分类结果，即为纺织品纱织纤维的尺寸范围。本发明可以更有效的提取纹理图像中不同粒度的纹理特征；同时将有序池化层提取的特征与字典学习获取的无序特征进行融合，在描述无序特征的同时充分考虑了纹理图像空间上下文的有序信息，使检测准确性更高。
-
公开(公告)号：CN114136914B
公开(公告)日：2023-12-22
申请号：CN202111424461.8
申请日：2021-11-26
Applicant: 复旦大学
IPC: G01N21/3563 , G01N21/359 , G06F18/241
Abstract: 本发明属于织物成分分析技术领域，具体为一种基于双线性解混的织物纤维成分无损清洁分析方法。本发明方法包括：使用近红外光谱仪采集目标织物的近红外光谱信息；对采集的目标织物的近红外光谱信息进行数据处理，包括对原始光谱数据进行清洗、平滑去噪与衍生；设计双线性解混算法，提取光谱数据特征并进行区分，实现针对织物的定性定量分析，包括预测目标织物的组成成分类型及其混合材质中各组成材质的混合比例。本发明方法能够快速、高效、无损清洁的分析纺织品成分，具有广阔的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN102706274B
公开(公告)日：2014-08-06
申请号：CN201210122716.X
申请日：2012-04-25
Applicant: 复旦大学
Abstract: 本发明属于视频分析技术领域，具体为一种工业结构化场景中机器视觉精确定位机械零件的系统。该系统包括：一个安装在零件放置平台正上方的摄像头，一个LED光源，一台计算机；所述计算机上安装有处理软件系统，该处理软件系统包括软件界面启动模块、摄像机标定与校正模块、样本训练模块，还包括图像分析模块、通过通讯模块；系统工作时图像分析模块对零件进行精确实时的检测和定位，并通过通讯模块将处理结果传输给执行器；本发明综合不同图像特征提取方法性能差异，形成一套级联分析算法，可在有限的计算资源下，降低误检率，保证目标物准确识别和定位，并实时的进行分析，以满足工业生产中的实际需要。
-
公开(公告)号：CN101127029A
公开(公告)日：2008-02-20
申请号：CN200710045242.2
申请日：2007-08-24
Applicant: 复旦大学
Abstract: 本发明属于统计机器学习技术领域，具体涉及一种用于在大规模数据分类问题中训练SVM分类器的方法。该方法首先训练样本的聚类，根据聚类结果，把具有相同标签的样本分别拟合成高斯模型，作为训练的基本信息单元；然后根据K个高斯模型建立K×K的核矩阵，并建立带约束的二次规划问题，用数值方法求解之；最后利用该二次规划问题的解得到分类器的决策函数，使用该决策函数对测试样本进行预测。本发明方法对时间复杂度和空间复杂度都大有降低；可广泛应用于多媒体信息检索、生物信息识别、金融信息处理等领域。
-
公开(公告)号：CN114627006B
公开(公告)日：2022-12-20
申请号：CN202210191314.9
申请日：2022-02-28
Applicant: 复旦大学
Abstract: 本发明公开了一种基于深度解耦网络的渐进式图像修复方法。该方法包括以下步骤：首先进行特征提取和边缘提取；接着用部分卷积模块渐进式更新缺陷区域和掩码；再将纹理和结构特征输入到编解码器计算，计算过程中进行双向感知计算，进行纹理生成和结构重建；然后在获得第一次重建特征图像后对图像缺失区域进行着色；再进行特征融合和图像再次重建；最后输出并计算损失函数，通过损失函数对网络进行训练，优化修复过程。本发明修复方法优于其它方法。
-
公开(公告)号：CN114136914A
公开(公告)日：2022-03-04
申请号：CN202111424461.8
申请日：2021-11-26
Applicant: 复旦大学
IPC: G01N21/3563 , G01N21/359 , G06K9/62
Abstract: 本发明属于织物成分分析技术领域，具体为一种基于双线性解混的织物纤维成分无损清洁分析方法。本发明方法包括：使用近红外光谱仪采集目标织物的近红外光谱信息；对采集的目标织物的近红外光谱信息进行数据处理，包括对原始光谱数据进行清洗、平滑去噪与衍生；设计双线性解混算法，提取光谱数据特征并进行区分，实现针对织物的定性定量分析，包括预测目标织物的组成成分类型及其混合材质中各组成材质的混合比例。本发明方法能够快速、高效、无损清洁的分析纺织品成分，具有广阔的应用前景。
-
公开(公告)号：CN102706274A
公开(公告)日：2012-10-03
申请号：CN201210122716.X
申请日：2012-04-25
Applicant: 复旦大学
Abstract: 本发明属于视频分析技术领域，具体为一种工业结构化场景中机器视觉精确定位机械零件的系统。该系统包括：一个安装在零件放置平台正上方的摄像头，一个LED光源，一台计算机；所述计算机上安装有处理软件系统，该处理软件系统包括软件界面启动模块、摄像机标定与校正模块、样本训练模块，还包括图像分析模块、通过通讯模块；系统工作时图像分析模块对零件进行精确实时的检测和定位，并通过通讯模块将处理结果传输给执行器；本发明综合不同图像特征提取方法性能差异，形成一套级联分析算法，可在有限的计算资源下，降低误检率，保证目标物准确识别和定位，并实时的进行分析，以满足工业生产中的实际需要。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.021 seconds)
