公开(公告)号：CN118887406A

公开(公告)日：2024-11-01

申请号：CN202411375916.5

申请日：2024-09-30

Applicant: 无锡学院

Inventor： 张银胜 ,  陈戈 ,  单慧琳 ,  沙子乔 ,  庞树豪 ,  苏睿杰

IPC: G06V10/26 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了基于高低语义信息融合的滑坡图像分割方法，属于滑坡图像处理技术领域。本发明通过构建基于高低语义信息融合的滑坡遥感图像语义分割网络，在网络中通过构建增强全局信息池化模块获取滑坡图像的多尺度信息；在编码器与解码器之间构建了不同特征交互模块从而提升模型的信息交互能力，并通过增强目标信息注意力模块关注图像目标区域特征；设计了多级语义信息融合模块细化图像的边界信息，提高模型对滑坡区域的识别能力，提升模型的分割效果。

公开(公告)号：CN114898227B

公开(公告)日：2025-05-09

申请号：CN202210643793.3

申请日：2022-06-08

Applicant: 无锡学院

Inventor： 张银胜 ,  钟思远 ,  吉茹 ,  崔志强 ,  张文华 ,  单慧琳

IPC: G06V20/13 ,  G06V10/26 ,  G06V10/74 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/048 ,  G06N3/084 ,  G06N3/09

Abstract: 本发明公开了一种云图分割方法，包括步骤如下：S1，对哨兵二号卫星可见波段的图像进行预处理获得数据集；S2，利用改变卷积方式、添加高效通道注意力、修改长跳跃连接方式及修改激活函数的方法构建改进U‑Net模型；S3，将步骤S1得到的数据集输入改进型U‑Net模型进行训练、测试，与其他分割网络进行云图分割实验对比，得到比较输出预览图；S4，将步骤S3中的比较输出预览图通过transformer架构进行优化，得到最终输出效果图。本发明运用了通过在U‑Net模型中引入transformer以及回归模型，对云层的遥测图像分析计算精度有显著的提高，使得云图的预测更加准确且稳定。

公开(公告)号：CN119559403A

公开(公告)日：2025-03-04

申请号：CN202510132150.6

申请日：2025-02-06

Applicant: 无锡学院

Inventor： 单慧琳 ,  王兴涛 ,  张银胜 ,  孟祥源 ,  吴心悦 ,  马丁

IPC: G06V10/26 ,  G06V10/52 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455

Abstract: 本发明提供了一种基于多尺度深度监督的高分辨遥感图像语义分割方法，包括以下步骤：步骤1，获取ISPRS Potsdam数据集和Vaihingen数据集；步骤2，搭建多尺度深度监督网络MDSNet，包括空间分支、语义分支网络和多尺度特征聚合部分；所述空间分支、语义分支网络和多尺度特征聚合部分均为四层结构；步骤3，将训练集输入至多尺度深度监督网络MDSNet中训练，计算损失函数并进行反向传播，更新网络参数，获取训练好的参数模型；步骤4，将测试集输入到训练好的参数模型中，输出目标图像的分割图。本发明提出的方法在提高特征提取能力的同时，提高了语义分割的准确率，以及训练效率和稳定性。

公开(公告)号：CN118884439A

公开(公告)日：2024-11-01

申请号：CN202411375836.X

申请日：2024-09-30

Applicant: 无锡学院

Inventor： 单慧琳 ,  刘文星 ,  张银胜 ,  胡宇翔 ,  沙子乔 ,  迟荣华

IPC: G01S13/90 ,  G06V20/10 ,  G06V10/25 ,  G06V10/44 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了基于多尺度特征提取与FRFT卷积的SAR船舰检测方法，包括：获取SSDD合成孔径雷达图像数据集及HRSID数据集，对数据集进行预处理后划分为训练集、验证集和测试集；搭建基于多尺度特征提取与FRFT卷积网络，包括输入端、主干网络、Neck网络和探测头部分，主干网络和Neck网络协同处理特征；将经过预处理的训练集和验证集的SAR图像输入至MEFTNet网络中训练，计算损失函数并进行反向传播，更新网络参数，获取最佳参数模型；将经过预处理的测试集输入到训练好的最佳参数模型中，输出SAR图像的精确识别图。本发明能更好的获取船舰特征，降低检测的误检率，提高检测的准确率以及各种场景下的适应效果。

公开(公告)号：CN117523394A

公开(公告)日：2024-02-06

申请号：CN202311486178.7

申请日：2023-11-09

Applicant: 无锡学院

Inventor： 刘文星 ,  单慧琳 ,  陈昕 ,  王兴涛 ,  马陈悦 ,  张雁晧 ,  李长帅

IPC: G06V20/10 ,  G06V10/80 ,  G06V10/774 ,  G06V10/82 ,  G06V10/40 ,  G06N3/0464 ,  G06N3/0985

Abstract: 本发明公开了一种基于聚合特征增强网络的SAR船舰检测方法，包括步骤如下：S1，获取SAR图像数据集，对SAR图像数据集进行预处理后按照设定的比例划分为训练集、验证集和测试集；S2，搭建SAR船舰检测网络，所述SAR船舰检测网络包括依次连接的主干网络、Neck网络、探测头部分，其中主干网络和Neck网络协同处理特征图；S3，将训练集和验证集输入SAR船舰检测网络中训练，计算CIOU损失函数并进行反向传播，更新网络参数，获取最佳参数模型；S4，将测试集输入到训练好的最佳参数模型中，输出SAR图像的精确识别图。本发明能有效应对合成孔径雷达船舰检测中存在的问题，并提供高精度的检测方法。

公开(公告)号：CN116310699A

公开(公告)日：2023-06-23

申请号：CN202211106095.6

申请日：2022-09-09

Applicant: 无锡学院

Inventor： 孙佳琪 ,  单慧琳 ,  王兴涛 ,  崔志强 ,  钟思远 ,  龙见洋 ,  胡宇翔

IPC: G06V10/82 ,  G06V10/20 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于改进YOLOv3的目标检测方法，包括步骤：S1，选择图像数据集；S2，使用灰度化、二值化、透视变换与边缘分割对图像进行预处理，并对图像进行缩放处理；S3，将预处理后的图像放入MobileNetV2Plus主干网络进行信息提取；S4，选择三个不同大小的特征图作为预测输入，进入特征融合层；并对三个不同大小的特征图进行上采样以及拼接，再进行卷积，分别输入给大、中、小三个不同先验框的输出层；S5，对特征融合层输入的三个不同通道数的特征图，再次进行卷积，得到分类后的特征图，生成三个不同维度大小的先验框。本发明只采用1*1卷积核，降低了计算维度，加快了识别的速度。

公开(公告)号：CN114550176A

公开(公告)日：2022-05-27

申请号：CN202210160582.4

申请日：2022-02-22

Applicant: 无锡学院

Inventor： 王兴涛 ,  单慧琳 ,  崔志强 ,  孙佳琪 ,  张银胜

IPC: G06V30/148 ,  G06V10/82 ,  G06N3/08 ,  G06Q50/20

Abstract: 本发明公开了基于深度学习的试卷批改方法，包括：获取写有标准答案的试卷图像P1，采集需要批改的试卷图像P2，并进行预处理；对预处理后的P1和P2分别进行霍夫直线检测，得到答题水平直线位置，进而得到单个题目的答题区域；利用YOLO v3网络提取答题区域中每个验证框的坐标信息及验证框内的数据，进而计算相邻两个验证框之间的距离；对两幅试卷图像中同一个题目序号对应的答题区域中每个数据信息进行比对，统计需要批改的试卷图像中正确题目与错误题目数量；根据需要批改的试卷坐标信息，提取需要批改的试卷对应的学号，将学号与相应试卷上所有题目正确与否存入数据库中。本发明可运用于试卷或者答题卡的选择题、填空题，不受题型以及答题卡格式的限制。

公开(公告)号：CN114495062A

公开(公告)日：2022-05-13

申请号：CN202210094129.8

申请日：2022-01-26

Applicant: 无锡学院

Inventor： 崔志强 ,  张银胜 ,  曹广喜 ,  孙佳琪 ,  王兴涛 ,  单慧琳

IPC: G06V20/58 ,  G06T7/50 ,  G06T17/00 ,  G06N3/04

Abstract: 本发明公开了一种前方路面平整度检测方法，包括：利用单目相机采集车辆前方道路视频流数据，对视频流数据进行抽帧；构建深度残差网络，利用深度残差网络对抽出的帧图像进行深度估计运算，得到深度图；对深度图进行3D重建，获得车辆前方道路的3D云图；根据3D云图，计算车辆前方道路帧图像所拍摄到的其他车辆、障碍物、道路标线以及标识分别与车辆之间的距离，并结合深度图，将像素坐标系转化为世界坐标系；在世界坐标系中通过检验假设方法检测车辆前方道路是否为平面，当车辆前方道路不为平面时，进一步通过检验假设方法检测车辆前方道路是否为坡面。本发明方法可以检测出车辆行驶中前方道路是否为平面或坡面，为车主提供便利和安全。

公开(公告)号：CN114049522A

公开(公告)日：2022-02-15

申请号：CN202111418342.1

申请日：2021-11-26

Applicant: 无锡学院

Inventor： 刘玉柱 ,  单慧琳 ,  王兴涛 ,  张银胜 ,  刘先锋 ,  刘小庆

IPC: G06V10/764 ,  G06V10/774 ,  G06K9/62 ,  G06V10/82 ,  G06F16/951 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/26

Abstract: 本发明涉及一种基于深度学习的垃圾分类系统，属于人工智能领域。该系统包括树莓派控制板、摄像头、PC端显示器和远程服务器，所述摄像头将采集到的垃圾图像信息传输给树莓派控制板，所述树莓派控制板通过X2go和远程服务器之间建立远程连接，所述树莓派控制板与显示器连接，所述树莓派控制板和远程服务器内设置有训练好的卷积神经网络。本发明设计的垃圾分类系统具有较高的识别准确度，通过大量的数据进行训练，并改进网络模型，极大的提高了垃圾分类识别的可靠性。

公开(公告)号：CN119494961A

公开(公告)日：2025-02-21

申请号：CN202510059627.2

申请日：2025-01-15

Applicant: 无锡学院

Inventor： 张银胜 ,  罗健伟 ,  单慧琳 ,  吴心悦 ,  沙子乔 ,  高润泽

IPC: G06V10/26 ,  G06V10/80 ,  G06V10/774 ,  G06V20/10 ,  G06N3/0464

Abstract: 本发明公开了一种高分辨率遥感图像双分支分割方法，包括：获取高分辨率遥感图像数据集并预处理后，划分为训练集、验证集和测试集；构建高分辨率遥感图像语义分割网络模型，包括细节分支、语义分支以及上采样部分；将训练集输入至高分辨率遥感图像语义分割网络模型中进行训练，计算损失函数并反向传播，更新网络模型参数，获取最佳参数网络模型，并利用验证集对最佳参数网络模型进行验证；将测试集输入到训练好的最佳参数网络模型中，输出高分辨率遥感图像的精确分割图。本发明通过捕获高分辨率遥感图像中不同类型和尺度的目标信息，多层次、多尺度进行特征提取与融合，从而提高高分辨率遥感图像的分割精度。