公开(公告)号：CN112651926A

公开(公告)日：2021-04-13

申请号：CN202011412270.5

申请日：2020-12-04

Applicant: 武汉工程大学

Inventor： 卢涛 ,  吴志豪 ,  张彦铎 ,  王彬 ,  王波 ,  陈圆 ,  阮小丽

IPC: G06T7/00 ,  G06T7/11 ,  G01N21/88 ,  G06N3/04 ,  G06N3/08 ,  G06T5/00

Abstract: 本发明公开了一种基于递归注意力机制的裂纹检测的方法，包括以下步骤：采集裂纹图片，通过U‑Net的编码部分对裂纹图片进行下采样，得到不同尺度下采样图片的特征信号；将不同尺度下采样图片的特征信号输入到相应的RAM模块中，RAM模块中包含有递归模块，输出相应的下采样特征信号；输入U‑Net的编码部分的l层特征信号和解码部分的l‑1层门控信号；输出U‑Net的编码部分的下采样输出信号和通过门控信号关注得到显著区域的特征信号；构建U‑Net的上采样模块，将RAM模块输出的显著区域的特征信号与通过反卷积得到的上采样的特征信号拼接后进行上采样，得到裂纹检测图片。本发明通过递归残差块和注意力模块，将RAM整合到了裂纹分割的任务中，提高了图像裂纹检测算法的性能。

公开(公告)号：CN112069983A

公开(公告)日：2020-12-11

申请号：CN202010917093.X

申请日：2020-09-03

Applicant: 武汉工程大学

Inventor： 卢涛 ,  王元植 ,  张彦铎 ,  吴云韬

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多任务特征融合共享学习的低光照行人检测方法及系统，获取正常、低光照行人数据集；利用正常、低光照行人数据集对图像光照增强网络进行预训练；利用正常光照行人数据集对行人检测网络进行预训练；设计能够融合上下游任务之间特征的多任务特征融合模块，对两个网络进行特征融合与共享，构建多任务特征融合共享学习的低光照行人检测网络；将两个预训练模型导入低光照行人检测网络，并利用正常、低光照数据集进行训练，得到多任务特征融合共享学习的低光照行人检测模型；利用多任务特征融合共享学习的低光照行人检测模型对被检测图像进行检测，得到图像中行人的位置。本发明能够准确、高效的在低光照的图像中检测出行人的位置。

公开(公告)号：CN111531582A

公开(公告)日：2020-08-14

申请号：CN202010343392.7

申请日：2020-04-27

Applicant: 武汉工程大学

Inventor： 陈灯 ,  彭煜祺 ,  魏巍 ,  张彦铎 ,  吴云韬 ,  周华兵 ,  刘玮 ,  段功豪 ,  于宝成 ,  卢涛 ,  鞠剑平 ,  唐剑影 ,  徐文霞 ,  彭丽 ,  杨艺晨 ,  王逸文

IPC: B25J19/00 ,  B25J9/16

Abstract: 本发明提供一种基于视觉的工业机器人故障检测方法及系统，其中，方法包括以下步骤：S1:获取工业机器人正常工作下的作业视频，并根据所述作业视频计算最长公共哈希子序列，所述最长公共哈希子序列包含多个哈希值，所述最长公共哈希子序列用于表示工业机器人的周期性动作模式，执行S2；S2:实时采集工业机器人的工作图像，分离出工业机器人，形成第二作业图像，计算所述第二作业图像的哈希值，记为h1,执行S3；S3:将所述哈希值h1与所述最长公共哈希子序列进行顺序极近似值匹配，若匹配成功，则执行S2,若匹配失败，则检测到异常动作，控制工业机器人急停，通过采集作业图像的方式对工业机器人进行故障检测，不仅成本低、采集难度小，抗干扰能力强。

公开(公告)号：CN110688368A

公开(公告)日：2020-01-14

申请号：CN201910929085.4

申请日：2019-09-28

Applicant: 武汉工程大学

Inventor： 陈灯 ,  张哲泓 ,  魏巍 ,  张彦铎 ,  李晓林 ,  鞠剑平 ,  唐剑影 ,  刘玮 ,  段功豪 ,  卢涛 ,  周华兵 ,  李迅 ,  于宝成 ,  徐文霞 ,  鲁统伟 ,  闵峰 ,  朱锐 ,  彭丽 ,  王逸文

IPC: G06F16/21 ,  G06F16/2458 ,  G06F16/28

Abstract: 本发明公开了一种构件行为模型挖掘方法与装置，该方法包括：S1)运行包含构件的软件，动态采集构件的带参行为交互序列，构成序列集合；S2)合并具有不同参数值的相同构件行为交互序列；S3)基于合并后的构件行为交互序列构建一棵树；S4)合并树中的等价节点获得有限状态机R’；S5)根据参数观察值集合归纳参数的不变式作为有限状态机R’中对应边的守护条件；S6)计算有限状态机R’中构件行为满足参数不变式的概率；S7)基于步骤S6)中迁移发生的概率得到最终的带参概率自动机表示的构件行为模型。本发明考虑了构件行为模型中参数-构件行为之间的依赖关系并采用概率模型对模型挖掘过程中的噪声进行有效处理，可获得更精确的构件行为模型。

公开(公告)号：CN104615782B

公开(公告)日：2017-10-10

申请号：CN201510092653.1

申请日：2015-03-02

Applicant: 武汉工程大学

Inventor： 李晓林 ,  魏运运 ,  张彦铎 ,  卢涛 ,  段艳会 ,  张玉敏 ,  黄爽 ,  万永静 ,  杨威

IPC: G06F17/30

Abstract: 本发明提供一种基于滑动窗口最大匹配算法的地址匹配方法，包括以下步骤：建立行政区划表；对行政区划表建立匹配查询关系；设置滑动窗口，进行匹配查询。本发明方法将地理赋值的两个环节“地址分词”与“地址匹配”整合到了一起，即在分词的同时进行数据库匹配，实现了在分词完成的同时也查找到了所匹配的记录；通过这种方法可以有效的减少数据库的查询访问次数，从而加快匹配速度。

公开(公告)号：CN106650748A

公开(公告)日：2017-05-10

申请号：CN201611009032.3

申请日：2016-11-16

Applicant: 武汉工程大学

Inventor： 鲁统伟 ,  缪少君 ,  彭玲 ,  刘仁军 ,  吴梦露 ,  张彦铎 ,  李晓林 ,  卢涛 ,  闵锋 ,  李迅 ,  周华兵 ,  朱锐

IPC: G06K9/46 ,  G06K9/62 ,  G06N3/04

CPC classification number: G06K9/4609 ,  G06K9/6256 ,  G06N3/0454

Abstract: 本发明公开了一种基于卷积神经网络的汉字识别方法，该方法包括以下步骤：1）采集训练用的文本图像；2）图像预处理：首先对图像进行非均匀光照调整，然后将图像转换为灰度图像；3）对预处理的图像进行特征提取；4）通过训练获得最终识别模型，选取测试识别正确率最高的卷积神经网络模型，作为最终识别模型；5）文字识别：对待识别的文本图像进行如步骤2）的图像预处理，采用训练所得的卷积神经网络模型进行识别，输出类别，匹配标签中汉字类别，输出汉字识别结果。本发明将提取方向特征图作为先验知识，和原始图像一起作为输入层的数据输入，以增强神经网络的识别性能，提高了汉字的识别率；且最终模型较小，计算速度快。

公开(公告)号：CN105550649A

公开(公告)日：2016-05-04

申请号：CN201510906586.2

申请日：2015-12-09

Applicant: 武汉工程大学

Inventor： 卢涛 ,  管英杰 ,  张彦铎 ,  杨威 ,  李晓林 ,  万永静 ,  潘兰兰

IPC: G06K9/00

CPC classification number: G06K9/00288

Abstract: 本发明公开了一种基于全耦合局部约束表示的极低分辨率人脸识别方法及系统，该方法包括以下两个阶段：训练阶段和测试阶段；训练阶段包括以下三个步骤：S1、对表达字典进行更新；S2、计算其在局部约束和线性重建条件下的最优权值系数；S3、确定最优的神经元个数；测试阶段包括以下三个步骤：S4、获取待识别的低分辨率人脸图像计算其低分辨率表达系数；S5、利用高分辨率表达系数作为图像耦合局部约束特征；S6、得出识别结果。本发明提升了极低分辨率图像的表达能力，提升了在极低人脸图像上的识别率；最后通过极限学习机完成人脸识别，使识别结果更加准确。

公开(公告)号：CN105468530A

公开(公告)日：2016-04-06

申请号：CN201510976002.9

申请日：2015-12-22

Applicant: 武汉工程大学

Inventor： 陈灯 ,  魏巍 ,  张彦铎 ,  李晓林 ,  李迅 ,  周华兵 ,  朱锐 ,  卢涛 ,  彭丽

IPC: G06F11/36

CPC classification number: G06F11/3624

Abstract: 本发明公开了一种基于有限状态机的程序错误检测方法及系统，该方法包括以下步骤：S1、获取有限状态机和待检测程序，从待检测程序中提取待检测的函数调用序列集合；S2、从待检测集合中获取单个待检测的函数调用序列，求解有限状态机中与该待检测序列距离最短的函数调用序列；S3、比较待检测序列和距离最短序列进行错误检测与定位；S4、完成该待检测序列的检测和修复后，记录检测到的各个错误信息及修复方案；S5、对待检测集合中的所有待检测序列检测完毕后，输出程序错误报告。本发明没有协议转换造成的开销和精度损失，能够准确的定位到程序错误的产生点，具有较高的定位精度，并且能够自动生成错误修复方案。

公开(公告)号：CN119784792A

公开(公告)日：2025-04-08

申请号：CN202411848952.9

申请日：2024-12-16

Applicant: 武汉工程大学 ,  光宇锦业(武汉)智能科技有限公司

Inventor： 吕正 ,  胡允霄 ,  卢涛 ,  戴璐 ,  张彦铎 ,  蔡嘉怡 ,  汪家明 ,  柴笑宇

IPC: G06T7/246 ,  G06T7/277 ,  G06N3/042 ,  G06N3/098

Abstract: 本申请涉及多目标跟踪领域，公开多目标跟踪方法及相关设备。方法包括获取视频序列每帧图像的目标检测信息并确定前预设连续帧图像的目标跟踪信息，将该目标跟踪信息作为参考数据；确定参考数据中最后一帧图像的交互信息和场景约束信息；基于参考数据中最后一帧图像的目标跟踪信息、交互信息和场景约束信息确定参考数据的下一帧图像的预测跟踪信息；基于参考数据的下一帧图像的目标检测信息和预测跟踪信息确定该帧图像的目标跟踪信息；将参考数据的下一帧图像的目标跟踪信息和参考数据作为新的参考数据，重复执行前述步骤，直至获得视频序列内每帧图像的目标跟踪信息，以确定视频序列内每个目标的跟踪轨迹。方法能够提高多目标跟踪的准确率。

公开(公告)号：CN119672085A

公开(公告)日：2025-03-21

申请号：CN202411734017.X

申请日：2024-11-29

Applicant: 武汉工程大学

Inventor： 卢涛 ,  朱柏霖 ,  陈智韬 ,  李圳 ,  汪家明 ,  张彦铎 ,  赵康辉

IPC: G06T7/593 ,  G06T7/40 ,  G06T3/4053 ,  G06T5/70

Abstract: 本发明提供一种视差指导的双目超分辨率图像重建方法与系统，涉及计算机视觉双目超分辨率技术领域；方法包括：通过构建的视差指导双目超分辨率模型对输入的双目低分辨率图像进行去伪影处理，得到双目去伪影图像，对双目去伪影图像进行迭代去噪处理，得到双目超分辨率重建图像，并估计出双目超分辨率重建图像的双目估计视差，分别计算双目估计视差和双目超分辨率重建图像对应的损失值，根据不同的损失值对模型优化，以使用优化后的模型将目标双目低分辨率图像重建为目标双目超分辨率重建图像。通过视差损失和路径损失来约束模型，提高模型重建精度，以重建出高保真和聚集高频信息的双目高分辨率图像。