-
公开(公告)号：CN114818851B
公开(公告)日：2024-10-29
申请号：CN202210226268.1
申请日：2022-03-09
Applicant: 辽宁工程技术大学
Abstract: 本发明公开了一种基于特征差异性的农村道路矢量数据纠正方法，步骤为：输入影像数据与矢量数据；获取影像数据中的线段序列；获取影像的相位图；将RGB色彩空间下的影像数据转换到HSV色彩空间，并生成HSV影像；模型驱动纠正矢量方法；数据驱动纠正矢量方法。本发明分析遮挡区域两侧已纠正矢量数据的方向，利用拓扑连接方法连接遮挡区域两侧端点，可以自动完成对该路段矢量数据的纠正；在匹配模型中加入了几何信息，建立了动态方向权重匹配模型，使得道路在跟踪匹配中并不单纯依靠纹理光谱信息，故可以克服道路与背景间光谱信息接近的问题。
-
公开(公告)号：CN115661703A
公开(公告)日：2023-01-31
申请号：CN202211256545.X
申请日：2022-10-14
Applicant: 辽宁工程技术大学
IPC: G06V20/40 , G06V10/40 , G06V10/764
Abstract: 本发明提出了一种基于深度学习的门店招牌信息提取的方法，该方法具体包括如下步骤：获取供构建深度学习模型数据并划分数据集；改进特征提取结构，并增强金字塔特征，进一步构建用于门店招牌信息提取的模型；训练并验证该目标检测模型，获得最佳检测模型权重文件；导入待检测的目标影像，检测其位置以及根据预设阈值输出目标检测结果。通过深度学习目标检测结合门店招牌的检测，生成的模型较小，有利于部署移植到边缘设备进行结果计算，从而提高巡检人员的工作效率，减少成本。
-
公开(公告)号：CN114818851A
公开(公告)日：2022-07-29
申请号：CN202210226268.1
申请日：2022-03-09
Applicant: 辽宁工程技术大学
Abstract: 本发明公开了一种基于特征差异性的农村道路矢量数据纠正方法，步骤为：输入影像数据与矢量数据；获取影像数据中的线段序列；获取影像的相位图；将RGB色彩空间下的影像数据转换到HSV色彩空间，并生成HSV影像；模型驱动纠正矢量方法；数据驱动纠正矢量方法。本发明分析遮挡区域两侧已纠正矢量数据的方向，利用拓扑连接方法连接遮挡区域两侧端点，可以自动完成对该路段矢量数据的纠正；在匹配模型中加入了几何信息，建立了动态方向权重匹配模型，使得道路在跟踪匹配中并不单纯依靠纹理光谱信息，故可以克服道路与背景间光谱信息接近的问题。
-
公开(公告)号：CN112926482B
公开(公告)日：2024-07-19
申请号：CN202110261885.0
申请日：2021-03-10
Applicant: 辽宁工程技术大学
IPC: G06V20/13 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种基于多尺度残差卷积神经网络的道路提取方法，包括：输入带标签的遥感影像训练数据集；利用改进神经网络对带标签的道路数据集进行卷积训练；网络训练。本发明的基于多尺度残差卷积神经网络的道路提取方法主要通过利用多尺度卷积替代单一尺度卷积扩宽网络宽度，提升网络获取影像初级特征的能力，丰富不同阶段的影像分层特征，达到缓解特征层分辨率降低的目的；凭借残差连接的“捷径”功能，避免反向传播阶段的梯度过度更新，提升网络训练效率；为了降低多尺度卷积导致的训练参数激增的影响，使用全局均值池化精简网络参数数量。
-
公开(公告)号：CN116310277A
公开(公告)日：2023-06-23
申请号：CN202211269540.0
申请日：2022-10-17
Applicant: 辽宁工程技术大学
IPC: G06V10/22 , G06V10/77 , G06V10/774 , G06V20/52
Abstract: 本发明依据路面井盖病害在街景影像中的视觉表征特点，公开了一种基于改进YOLOv5的路面井盖病害检测方法。本发明具体方法包括改进网络模型的Backbone及Output两个部分。本发明首先在YOLOv5的基础上，提出新的主干网络以增强网络的特征提取能力；其次，通过在网络Backbone中应用CBAM注意力机制，减少由于背景信息干扰而引发的误检测；最后，在网络输出端增加一个检测层，来实现网络特征的充分利用，提升网络检测图像中小目标井盖的能力。本方法解决现有方法检测井盖病害精度较低且不完全的问题，可快速准确检测路面井盖病害，排除道路安全隐患，具有一定的实用意义。
-
Patent Agency Ranking
公开(公告)号：CN112926482A
公开(公告)日：2021-06-08
申请号：CN202110261885.0
申请日：2021-03-10
Applicant: 辽宁工程技术大学
Abstract: 本发明公开了一种基于多尺度残差卷积神经网络的道路提取方法，包括：输入带标签的遥感影像训练数据集；利用改进神经网络对带标签的道路数据集进行卷积训练；网络训练。本发明的基于多尺度残差卷积神经网络的道路提取方法主要通过利用多尺度卷积替代单一尺度卷积扩宽网络宽度，提升网络获取影像初级特征的能力，丰富不同阶段的影像分层特征，达到缓解特征层分辨率降低的目的；凭借残差连接的“捷径”功能，避免反向传播阶段的梯度过度更新，提升网络训练效率；为了降低多尺度卷积导致的训练参数激增的影响，使用全局均值池化精简网络参数数量。
-
公开(公告)号：CN112862847A
公开(公告)日：2021-05-28
申请号：CN202110272371.5
申请日：2021-03-12
Applicant: 辽宁工程技术大学
IPC: G06T7/13
Abstract: 本发明公开了一种表达地物边缘的线段序列检测方法，该方法包括以下步骤：S1、边缘编组；S2、线段提取，给定一个由连续边缘点组成的边缘组，将边缘组分割成一个或多个直线段；S3、线段优化处理。本发明针对线状地物的线段提取问题，从已有方法优化角度出发，提出了一种表达地物边缘的线段序列检测方法，实现了对不规则地物边缘的准确与完整表达，改进了边缘检测方法，对边缘检测进行重新编组；对链码跟踪获取的线段进行相位验证，解决了链码线段提取方法中缺乏相位约束机制问题；先进行链码跟踪后进行相位验证的方法，解决了局部白噪声、起始点相位、相位分组阈值等因素对相位编组线段提取方法的限制问题。
-
公开(公告)号：CN105825169A
公开(公告)日：2016-08-03
申请号：CN201610136943.6
申请日：2016-03-10
Applicant: 辽宁工程技术大学
IPC: G06K9/00
CPC classification number: G06K9/00671
Abstract: 一种基于道路影像的路面裂缝识别方法，包括：对分块影像进行二值化处理，形成初步分割的道路影像，划分成若干区域，过滤面积小于经验阈值的区域得到初步识别的道路影像；对各区域分别进行椭圆拟合，去除离心率小于给定阈值的椭圆区域；计算各椭圆区域的长轴与水平方向的夹角，确定椭圆主方向，将同一方向上的质心划为一类；对每一个分类分别以各质心为原点建立坐标系，计算各质心在该坐标系中与水平轴的夹角、该质心与其他质心间距离，将同一方向上间距小于设定距离阈值的质心划为一类，将各共线区域的最小包围矩形的对角线长度作为识别出的道路裂缝的长度。本方法不仅可以有效地识别裂缝，同时克服环境中多种因素的干扰，误识别率较低。
-
公开(公告)号：CN119762907A
公开(公告)日：2025-04-04
申请号：CN202411799839.6
申请日：2022-01-20
Applicant: 辽宁工程技术大学
IPC: G06V10/774 , G06V20/13 , G06V10/82 , G06N3/0464 , G06T5/40 , G06V10/764
Abstract: 本发明公开了一种复杂背景遥感影像地物智能解译方法，涉及遥感影像目标解译技术领域，包括：获取遥感影像地物解译公开数据集并进行预处理，预处理后按比例划分得到训练集、测试集和验证集；构建感知机模型，对训练数据集进行计算，输出目标地物复杂程度阈值，在此基础上选用改进UNet遥感地物解译模型，对公开数据集中所选解译类别地物进行训练权重迭代求解，获取遥感地物智能解译权重模型；将遥感地物智能解译权重模型导入改进UNet遥感地物解译模型，输入测试集，进行自适应遥感地物智能解译。本发明解决了现有UNet模型结构单一、参数复杂、解译时间长的问题，增加了不同阈值条件下的UNet模型适用范围、解译速度和灵活程度。
-
公开(公告)号：CN115034283B
公开(公告)日：2024-10-29
申请号：CN202210385599.X
申请日：2022-04-13
Applicant: 辽宁工程技术大学
IPC: G06V20/58 , G06N3/0464 , G06N3/08 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于深度学习的矢量数据分区纠正方法，包括制作用于深度学习的U2‑Net模型的样本集；选取训练的最优模型权重，输入城市与农村遥感影像进行道路提取；将边缘提取获取的线段进行有序排列；基于矢量线的道路特征集提取；依照城市与农村道路特有属性，对城市道路与农村道路进行自动划分；城市道路矢量纠正；农村道路矢量纠正；输出纠正后的城市与农村道路矢量数据。本发明的基于深度学习的矢量数据分区纠正方法在纠正矢量过程中，可对城市道路矢量数据与农村道路矢量自动进行区分，并使用相应算法进行解决；提高城市道路矢量数据纠正精度，在农村区域建立矢量数据纠正模型，完成农村道路矢量数据纠正。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.019 seconds)
