-
公开(公告)号：CN111443165B
公开(公告)日：2021-06-11
申请号：CN202010229387.3
申请日：2020-03-27
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于气体传感器与深度学习的气味识别方法，通过气体传感器阵列获取待测气味的响应曲线簇，并将该原始数据直接作为气味识别深度神经网络的输入样本，对其进行数据预处理与数据扩增，利用深度学习自动提取时间序列响应数据层次化特征，同时进行全局特征提取和长程动态特征提取，并通过分类器输出气味标签，实现高灵敏、特异性气味识别。本发明方法具有高灵敏度、高可靠性，可广泛应用于工业生产、医疗、环境和安全等领域。
-
公开(公告)号：CN112836798A
公开(公告)日：2021-05-25
申请号：CN202110126481.0
申请日：2021-01-29
Applicant: 华中科技大学
Abstract: 本发明公开了一种针对场景文字识别的非定向式白盒对抗攻击方法，在输入图像中加入人眼难以察觉的噪声，使文字识别算法得到和原来截然不同的识别结果，从而达到攻击场景文字识别网络模型的效果。区别于一般物体的识别，文字识别的结果是字符序列，所以现有的对抗攻击方法不能直接被应用到场景文字识别中。所以，首先将单物体分类的对抗攻击算法中的目标函数，修改成序列形式；为了加快生成对抗样本，引入阶跃函数，一旦对抗样本的识别结果中，有一个字符和原图的识别结果不同，目标函数的惩罚为零；此外，考虑到不同样本的攻击难易程度不一样，越容易被识别正确的样本，越难被攻击，所以在目标函数中引入识别得分，从而得到扰动更小的对抗样本。
-
公开(公告)号：CN109829893B
公开(公告)日：2021-05-25
申请号：CN201910005485.6
申请日：2019-01-03
Applicant: 武汉精测电子集团股份有限公司 , 华中科技大学
Abstract: 本发明属于缺陷检测技术领域，公开了一种基于注意力机制的缺陷目标检测方法，对原始数据集中所有图片的各类缺陷进行标注，得到带标注的标准训练数据集；根据该标准训练数据集得到训练标签、确定损失函数，得到网络模型并利用反向传导方法训练，得到对缺陷部位权重增强的基于注意力机制的缺陷回归检测网络模型；利用上述的缺陷回归检测网络模型对待检测图片进行分类预测和回归预测；并对预测的缺陷包围框进行非极大值抑制处理进行过滤，得到输出结果；本发明提供的这种方法通过注意力机制提高缺陷区域的权重，由此提高缺陷检测的精度；本方法对工业产品表面缺陷进行分类与回归的检测可以应用到其他类型的表面缺陷检测框架中提高检测精度，通用性强。
-
公开(公告)号：CN112712011A
公开(公告)日：2021-04-27
申请号：CN202011583490.4
申请日：2020-12-28
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于边界细节补偿和相似特征强化的实时道路检测方法，包括：采用多尺度图像特征提取器对单目相机采集的单帧图像进行多尺度图像特征提取；采用边界细节补偿模块对提取的多尺度图像特征进行融合，得到道路边界细节补偿后的高层语义图像特征；采用相似特征强化模块对得到的道路边界细节补偿后的高层语义图像特征进行基于相似度的局部特征聚合；道路检测，采用第一分类器基于输出的强化图像特征图，输出所述单帧图像场景中的道路检测结果。该方法通过边界细节补偿模块和相似特征强化模块，解决了轻量级特征提取器道路边界预测不准确和在复杂场景条件下易产生道路误检和漏检的问题，提高了道路检测网络的实时性、鲁棒性和准确性。
-
公开(公告)号：CN108564119B
公开(公告)日：2020-06-05
申请号：CN201810295994.2
申请日：2018-04-04
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于生成对抗网络的任意姿态行人图片生成方法，仅通过将人物图片、图中行人的的姿态以及目标迁移姿态的热力图输入生成器网络，即可得到前一位目标姿态的相同人物的图片。由于该方法的生成器中引入了姿态注意力机制，且采用了两个不同的判别器分别进行外貌一致性和姿态一致性的判别，使其能够应对图像变形、几何变换、视角转移等多种复杂情况。并且可以端到端训练。本发明提出的任意姿态的人物图片生成方法在现有技术思路的基础上进行了创新，采用新颖的结构进行网络模型搭建，相较于之前的方法，所合成的图片更加真实、自然，有很强的实际应用价值。
-
Patent Agency Ranking
公开(公告)号：CN107977620B
公开(公告)日：2020-05-19
申请号：CN201711225391.7
申请日：2017-11-29
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于全卷积网络的多方向场景文本单次检测方法，通过构建全卷积的单次检测网络模型，无须多步处理步骤、仅用单个网络就可以进行端到端训练，以多种尺度的特征提取层结合文本框预测层可以检测到不同尺寸、长宽比、分辨率的多方向自然场景文字，并且能以多边形包围盒贴合文字从而更少地引入背景干扰，最后仅需简单的非最大值抑制操作便可获得最终的文本检测结果。本发明提出的检测方法相对于现有技术结构简单有效，在准确度、检测速度和鲁棒性这些方面都取得了卓越的效果，有很强的实际应用价值。
-
公开(公告)号：CN108549893B
公开(公告)日：2020-03-31
申请号：CN201810294058.X
申请日：2018-04-04
Applicant: 华中科技大学
Abstract: 本发明公开了一种任意形状的场景文本端到端识别方法，通过特征金字塔网络提取文本特征，用于区域提取网络生成候选文本框；然后通过快速区域分类回归分支调整候选文本框位置得到更准确的文本包围盒位置信息；其次将包围盒位置信息输入分割分支，通过像素投票算法得到预测字符序列；最后通过加权编辑距离算法对预测的字符序列进行处理，找到给定词典中预测序列的最匹配单词得到最终的文本识别结果。该方法可以同时检测和识别自然图像中任意形状的场景文本，包括水平文本、多方向文本和曲形文本，并且可以完全地进行端到端训练。本发明提出的检测识别方法相对于现有技术在准确度和通用性这些方面都取得了卓越的效果，有很强的实际应用价值。
-
公开(公告)号：CN109829893A
公开(公告)日：2019-05-31
申请号：CN201910005485.6
申请日：2019-01-03
Applicant: 武汉精测电子集团股份有限公司 , 华中科技大学
Abstract: 本发明属于缺陷检测技术领域，公开了一种基于注意力机制的缺陷目标检测方法，对原始数据集中所有图片的各类缺陷进行标注，得到带标注的标准训练数据集；根据该标准训练数据集得到训练标签、确定损失函数，得到网络模型并利用反向传导方法训练，得到对缺陷部位权重增强的基于注意力机制的缺陷回归检测网络模型；利用上述的缺陷回归检测网络模型对待检测图片进行分类预测和回归预测；并对预测的缺陷包围框进行非极大值抑制处理进行过滤，得到输出结果；本发明提供的这种方法通过注意力机制提高缺陷区域的权重，由此提高缺陷检测的精度；本方法对工业产品表面缺陷进行分类与回归的检测可以应用到其他类型的表面缺陷检测框架中提高检测精度，通用性强。
-
公开(公告)号：CN106897732A
公开(公告)日：2017-06-27
申请号：CN201710010596.7
申请日：2017-01-06
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于连接文字段的自然图片中多方向文本检测方法，文字段和连接是该检测方法中关键的两个步骤，定义如下：文字段指的是在图片上划分出许多单个多方向的包围盒区域，它们包围着一个文字条或者单词的一部分；连接指的是将相邻的字段连接起来，意味着它们属于同一个单词或同一句话。文字段和连接合起来使用一个端到端训练的全卷积神经网络以多种尺度进行等间隔地检测。最后的检测结果是先连接多个文字段组成新区域，然后对这些新区域进行组合而得到的。本发明提出的检测方法相对于现有技术在准确率、速度和模型简易度这些方面都取得了卓越的效果，效率高且鲁棒性强，能克服复杂的图片背景，另外也能检测图像中非拉丁文字的长文本。
-
公开(公告)号：CN106599900A
公开(公告)日：2017-04-26
申请号：CN201510682699.9
申请日：2015-10-20
Applicant: 华中科技大学 , 腾讯科技(深圳)有限公司
Abstract: 本发明公开了一种识别图像中的字符串的方法和装置，属于计算机技术领域。所述方法包括：根据训练样本库中存储的包含有字符串的样本图像块的图像数据，并基于卷积神经网络算法，构建样本图像块的字符串识别结果对应的概率集合的表达式，概率集合的表达式由待定参数构成；基于使根据概率集合确定出的字符串识别结果为预先存储的样本图像块包含的字符串的概率最大的原则，对待定参数进行训练，得到待定参数的训练值；当获取到待识别的目标图像块时，基于卷积神经网络算法和待定参数的训练值，确定目标图像块的字符串识别结果对应的目标概率集合，根据目标概率集合，确定目标图像块的字符串识别结果。采用本发明，可以提高识别的正确率。
-
-
-
-
-
-
-
-
-
Search Results
121
records
(took 0.032 seconds)
