-
公开(公告)号：CN115100111A
公开(公告)日：2022-09-23
申请号：CN202210549759.X
申请日：2022-05-17
Applicant: 大连理工大学 , 大连维视科技有限公司
Abstract: 本发明提供一种基于YOLOv5的智能机器人冰壶检测方法，涉及计算机视觉技术领域。本发明方法，包括如下步骤：获取冰壶比赛现场图像；使用标注软件对所述冰壶比赛现场图像进行标注，得到标注后的图像；将所述图像特征图输入至YOLOv5预测网络进行前背景预测，输出不同采样倍数对应的分类预测分数和回归定位系数；将所述预测分数及边框回归值反向映射至原始图像，并在原始图像上打印，得到检测结果图。本发明针对冰壶机器人比赛的数据特点，设计轻量化的目标检测网络，并克服数据分布单一、拍摄光线较暗等困难，设计了不同的数据增强方式，重新设计损失函数。在满足高识别和定位精度的同时实现了高帧率的检测速度。
-
公开(公告)号：CN114998756A
公开(公告)日：2022-09-02
申请号：CN202210541629.1
申请日：2022-05-17
Applicant: 大连理工大学 , 大连维视科技有限公司
IPC: G06V20/13 , G06V10/40 , G06V10/75 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于yolov5的遥感图像检测方法、装置及存储介质。方法包括：S1、获取统一尺寸的遥感图像构成遥感图像数据集，获取每幅遥感图像的检测目标标注结果图像，从而获得遥感图像样本集，所述遥感图像样本集中的样本包括遥感图像和与遥感图像匹配的检测目标标注结果图像；对所述遥感图像样本集中的样本按照预设比例随机划分为训练集和测试集；S2、基于训练集和测试集中的样本数据对改进的yolov5模型的进行模型训练，所述改进的yolov5模型包括特征提取模块、CBAM模块、特征融合模块以及分类输出模块；S3、基于训练完成的改进的yolov5模型对遥感图像进行目标检测。本发明采用改进的yolov5模型能够更好的实现特征融合，给出精准的检测分类结果。
-
公开(公告)号：CN114155436A
公开(公告)日：2022-03-08
申请号：CN202111471933.5
申请日：2021-12-06
Applicant: 大连理工大学
IPC: G06V20/10 , G06N3/04 , G06V10/774 , G06V10/82 , G06V10/764
Abstract: 本发明属于图像信息处理技术领域，提出了一种逐步蒸馏学习的长尾分布的遥感图像目标识别方法，具体为一种利用头尾数据之间的联系，并结合知识蒸馏完成遥感图像分类的方法。我们使用结构相同的三个教师模型与一个学生模型。提出了渐进式教师模型的学习以及自校正采样算法，在学生模型训练过程中可以很好的解决长尾问题，使最终的分类准确度得到提升。本发明利用蒸馏的方法以及提出的渐进式教师学习和自校正采样学习算法，增强了网络特征提取能力，目前存在的解决长尾问题的各种方法仍然存在各种弊端，比如不能充分利用头部数据的优势、对超参数敏感等等，本发明的逐步蒸馏学习方法方法有效的解决了这些问题，本发明方法能够提升分类网络的准确度。
-
公开(公告)号：CN113657232A
公开(公告)日：2021-11-16
申请号：CN202110911051.X
申请日：2021-08-10
Applicant: 大连理工大学
Abstract: 本发明属于图像信息处理技术领域，提供了一种基于风格内容解耦的跨域遥感图像目标检测方法。本发明的端到端训练的跨域遥感图像目标检测方法利用了自适应实例归一化的方式获得多域图像，并且进一步将解耦获得的内容特征编码送入目标检测网络来进行目标检测。本方法对于不同域的遥感图像有较好的泛化性，可以得到理想的目标检测结果。
-
公开(公告)号：CN113610732A
公开(公告)日：2021-11-05
申请号：CN202110911218.2
申请日：2021-08-10
Applicant: 大连理工大学
Abstract: 本发明属于图像信息处理技术领域，提供了一种基于交互对抗学习的全聚焦图像生成方法。本发明的全聚焦图像生成方法利用了交互对抗学习的方式，首先利用了非聚焦模糊检测任务与边缘检测任务的互补关系，更好地定位聚焦到非聚焦过渡区域的边界和检测纹理信息较少的同质区域；其次，目前常见的方法大多需要成对的非聚焦图像及其对应的全聚焦真值图像，而这种成对的图像难以获得。而本发明的方法不存在这个问题，仅利用不成对的全聚焦图像作参考，便可以实现具有全局一致性的、自然的全聚焦图像生成网络。
-
Patent Agency Ranking
公开(公告)号：CN114998756B
公开(公告)日：2024-09-24
申请号：CN202210541629.1
申请日：2022-05-17
Applicant: 大连理工大学 , 大连维视科技有限公司
IPC: G06V20/13 , G06V10/40 , G06V10/75 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于yolov5的遥感图像检测方法、装置及存储介质。方法包括：S1、获取统一尺寸的遥感图像构成遥感图像数据集，获取每幅遥感图像的检测目标标注结果图像，从而获得遥感图像样本集，所述遥感图像样本集中的样本包括遥感图像和与遥感图像匹配的检测目标标注结果图像；对所述遥感图像样本集中的样本按照预设比例随机划分为训练集和测试集；S2、基于训练集和测试集中的样本数据对改进的yolov5模型的进行模型训练，所述改进的yolov5模型包括特征提取模块、CBAM模块、特征融合模块以及分类输出模块；S3、基于训练完成的改进的yolov5模型对遥感图像进行目标检测。本发明采用改进的yolov5模型能够更好的实现特征融合，给出精准的检测分类结果。
-
公开(公告)号：CN115115537B
公开(公告)日：2024-05-28
申请号：CN202210523937.1
申请日：2022-05-13
Applicant: 大连理工大学 , 大连维视科技有限公司
IPC: G06T5/77 , G06T5/60 , G06V10/40 , G06V10/774 , G06N3/0464 , G06N3/0475 , G06N3/08
Abstract: 本发明提供一种基于掩码训练的图像修复方法，涉及计算机视觉技术领域，包括步骤：获取图像训练集中的训练样本；将训练样本输入至待训练的掩码生成模型中对所述训练样本提取特征，得到掩码生成模型输出的掩码结果；将所述掩码生成模型输出的掩码结果与训练样本相乘，得到损坏图像；得到所述图像修复模型的处理层输出的初始修复结果；将所述初始修复结果对应于损坏部分的子图像填充至损坏图像，作为中间修复结果；根据所述纹理特征和初始修复结果，得到该训练样本对的最终修复结果；本发明通过生成动态掩码，确认了图像的可预测区域，减少了对训练过程的损害，使得训练好的图像修复模型输出的修复结果与原始图像接近，保证了图像修复效果。
-
公开(公告)号：CN116434037B
公开(公告)日：2023-09-22
申请号：CN202310434641.7
申请日：2023-04-21
Applicant: 大连理工大学
IPC: G06V10/82 , G06V10/774 , G06N3/08 , G06N3/0464 , G06V10/764
Abstract: 本发明属于计算机视觉图像处理技术领域，提出一种基于双层优化学习的多模态遥感目标鲁棒识别方法。该方法设计了一种基于双层优化的训练方式引导模型自适应地学习需要学习的知识，同时利用调制网络对识别网络进行选择性激活，帮助识别网络学会如何更好地提取输入图像的特征表示。本发明能够充分利用现有数据深入挖掘模型的潜力，帮助模型摆脱多模态的干扰，解决模型在多模态目标数据上准确度降低的问题，让模型在有限的学习资源下获得更高的鲁棒性。
-
公开(公告)号：CN116434024B
公开(公告)日：2023-09-12
申请号：CN202310434441.1
申请日：2023-04-21
Applicant: 大连理工大学
IPC: G06V10/80 , G06V10/774 , G06V10/82 , G06N3/08
Abstract: 本发明属于图像信息处理技术领域，公开了一种目标特征嵌入的红外与可见光图像融合方法。本方法构建一个目标特征嵌入的红外与可见光图像融合方法，解决了目标检测任务与图像融合任务不匹配的问题，让目标检测任务有效的提升了图像融合的结果，并且目标检测元特征嵌入过程仅在训练过程中使用，训练完毕后在测试阶段并没有增加额外的计算量。
-
公开(公告)号：CN115115537A
公开(公告)日：2022-09-27
申请号：CN202210523937.1
申请日：2022-05-13
Applicant: 大连理工大学 , 大连维视科技有限公司
IPC: G06T5/00 , G06V10/40 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于掩码训练的图像修复方法，涉及计算机视觉技术领域，包括步骤：获取图像训练集中的训练样本；将训练样本输入至待训练的掩码生成模型中对所述训练样本提取特征，得到掩码生成模型输出的掩码结果；将所述掩码生成模型输出的掩码结果与训练样本相乘，得到损坏图像；得到所述图像修复模型的处理层输出的初始修复结果；将所述初始修复结果对应于损坏部分的子图像填充至损坏图像，作为中间修复结果；根据所述纹理特征和初始修复结果，得到该训练样本对的最终修复结果；本发明通过生成动态掩码，确认了图像的可预测区域，减少了对训练过程的损害，使得训练好的图像修复模型输出的修复结果与原始图像接近，保证了图像修复效果。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.025 seconds)
