-
公开(公告)号：CN117095170A
公开(公告)日：2023-11-21
申请号：CN202311140950.X
申请日：2023-09-06
Applicant: 湘潭大学
IPC: G06V10/26 , G06V10/774 , G06V10/764 , G06V10/44 , G06T7/90
Abstract: 本发明公开了一种基于局部表面分布与连续编解码金字塔的点云语义分割模型。本发明包括以下步骤：1、模型建立，设计一种基于局部表面分布与连续编解码金字塔的点云语义分割模型来增强局部点的空间结构特征并缓解浅层语义特征语因预测能力不足而导致精度下降。2、模型训练，首先对数据集预处理，然后对建立的模型进行训练。3、模型推理，将测试集的点云输入训练好的模型中，推理其语义类别预测值，评估预测准确度。本发明是一种针对点云语义分割的神经网络模型，特别是提供了基于局部表面分布来提取空间结构信息与连续编解码金字塔结构来优化浅层语义信息的统一建模方法，获得了在点云语义分割领域较好的分割效果。
-
公开(公告)号：CN116295505A
公开(公告)日：2023-06-23
申请号：CN202310197915.5
申请日：2023-03-03
Applicant: 湘潭大学
IPC: G01C22/00 , G06V10/26 , G06V10/82 , G06V10/774 , G06T3/40 , G06N3/04 , G06N3/08 , G06F18/214
Abstract: 本发明公开了一种基于深度学习的视觉里程计方法。本发明包括以下步骤：步骤1：设计特征点提取、匹配及语义区域提取的深度网络模型；步骤2：提取静态区域的特征点匹配对；步骤3：帧间运动估计、姿态估计及运动轨迹估计；本发明是一种针对机器人视觉定位导航问题的方法，利用在语义分割领域的深度学习预训练模型的特征提取能力，设计了一种高效的深度特征视觉里程计方法，在避免了模型需要额外训练的问题的同时，结合语义信息剔除动态物体上的特征点，消除动态物体的影响，该方法具有较高的定位精度和一定的通用性。
-
公开(公告)号：CN112750129B
公开(公告)日：2022-12-02
申请号：CN202110035003.9
申请日：2021-03-11
Applicant: 湘潭大学
Abstract: 本发明公开了一种基于特征增强位置注意力机制的图像语义分割模型。本发明包括以下步骤：1、模型建立，设计一种基于特征增强位置注意力机制的图像语义分割模型，通过注意力机制学习像素点图像特征之间的关联性以及通过增加感受野进一步捕获图像丰富的上下文语义信息。2、模型训练，首先对数据集预处理，然后根据建立好的模型进行模型训练。3、模型推理，将测试集的图像输入到训练好的模型中，推理测试图像的语义类别预测值，评估预测准确度。本发明是一种针对图像语义分割的神经网络模型，特别是提出了一种特征增强位置注意力机制提取图像自身注意力信息的统一建模方法，获得了在语义分割领域较好的分割效果。
-
公开(公告)号：CN111210432A
公开(公告)日：2020-05-29
申请号：CN202010030667.1
申请日：2020-01-12
Applicant: 湘潭大学
Abstract: 本发明公开了一种基于多尺度多级注意力机制的图像语义分割方法。本发明包括以下步骤：1、对图像和真实标签图进行数据预处理。2、建立多尺度注意力机制模型的神经网络结构，进行图像特征提取及融合。3、建立多级注意力机制模型的神经网络结构，进行多级图像的特征融合。4、模型训练，利用反向传播算法训练神经网络参数，直到网络收敛。本发明一种针对图像语义分割的神经网络模型，特别是提出了一种在多尺度上提取图像自身注意力信息的统一建模方法，以及在多级层面上进行不同级图像特征融合的网络结构，并且获得了在语义分割领域较好的分割效果。
-
公开(公告)号：CN106204614B
公开(公告)日：2019-01-08
申请号：CN201610576104.6
申请日：2016-07-21
Applicant: 湘潭大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于机器视觉的工件外观缺陷检测方法，首先通过视觉系统引导机器人，根据基于灰度值的模板匹配算法精确定位目标工件位姿，然后进行工件外观缺陷检测，其步骤为：(1)获取工件图像，采用中值滤波进行预处理；(2)利用全局阈值分割目标工件，并进行工件位姿矫正；(3)通过数学形态学开运算去除工件边缘毛刺干扰；(4)检测缺口、粘料、开裂、压痕、针眼、划痕和起泡外观缺陷。该方法解决人工检测速度慢、效率低、精度差的问题；克服目前视觉检测缺陷类型单一、成像质量差和误检率高的问题，提高精密工件生产自动化程度和产品质量。
-
Patent Agency Ranking
公开(公告)号：CN103295403B
公开(公告)日：2016-02-10
申请号：CN201310238876.5
申请日：2013-06-17
Applicant: 湘潭大学
Abstract: 本发明公开了一种交通流视觉检测方法，由电子监控获取实时交通场景图像序列，交通场景天气状况环境由光照强度、温度、湿度传感器感知，相应进行光照、阴影预处理；利用交通规则对行车距离的约束，同时考虑车辆实际通行中由于超车、让车而偏离车道这一现像，在图像中设置双虚拟线于监控范围内所有车道的同一水平位置处，在双虚拟线检测区域，利用双模板匹配卷积快速检测定位车辆位置；并判别、识别车辆在水平、垂直方向间隔有无异常，利用车辆的水平、垂直位置信息加以约束，正确定位车辆目标位置，及对正常行驶车辆计数，统计交通流量，解决交通流量计数不准的问题；该方法具有较高的检测精度和良好的抗干扰性及实时性。
-
公开(公告)号：CN102867202A
公开(公告)日：2013-01-09
申请号：CN201210341429.8
申请日：2012-09-13
Applicant: 湘潭大学
Abstract: 本发明公开了一种教室空座查询系统，至少包含：移动RFID标签、RFID标签阅读器、教室空座查询触摸屏终端、以及一个教室座位信息专用存储服务器、一个中央处理端；其中，移动RFID由学生携带，RFID标签阅读器部署在教室内，用于读取移动RFID标签数据，将采集的移动RFID标签数据发给中央处理器进行处理；计算出每间教室的当前空座数量，将计算结果存储到教室空座信息专用存储服务器；中央处理器接收到教室空座查询触摸屏终端发送过来的教室门牌号码数据之后，将该教室空座信息发送到教室空座查询触摸屏终端显示。本发明可以有效地克服目前大学生自习时找空座难的问题，为大学生自习时更快捷便利地找到空座提供一种有效直观的高科技空座查询系统，来实现对教室空座的自动化高效识别。
-
公开(公告)号：CN102708597A
公开(公告)日：2012-10-03
申请号：CN201210154432.9
申请日：2012-05-18
Applicant: 湘潭大学
IPC: G07C1/10
Abstract: 一种现场考勤的系统，包括移动RFID标签、路标RFID标签、RFID标签读写器、考勤服务器以及手持终端。本发明通过RFID技术及RFID室内定位技术自动实现对被考勤人员的实时位置进行定位，不仅能够自动实时掌握当前考勤区域中的人员情况，而且还能掌握考勤区域中人员当前的位置情况，本发明有如下的优势：1)改变了传统的人工点名模式，大大的节省了人工点名所耗费的时间；2)可以防止代签行为的发生；3)能够实时掌握离岗、串岗行为。
-
公开(公告)号：CN118247511A
公开(公告)日：2024-06-25
申请号：CN202410445342.8
申请日：2024-04-12
Applicant: 湘潭大学
IPC: G06V10/26 , G06V10/40 , G06V10/774 , G06V10/82 , G06V20/64 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于全局特征增强的点云语义分割方法。本发明包括以下步骤：1、点云数据获取及预处理，获取点云数据，对其进行预处理，并划分训练集及测试集，以训练和测试模型。2、点云语义分割模型的建立，提供一种基于全局特征增强的点云语义分割方法来增强模型对点云全局特征的理解和利用能力，在编码器‑解码器结构的点云语义分割网络中引入二阶协方差增强通道注意力模块CECA与伪Non‑Local空间注意力模块PSA级联的注意力模块。其中，前者通过建模每个特征通道的二阶协方差统计量来学习通道之间的相互依赖关系以增强通道注意力的表示能力；后者可以有效地捕获整个空间中点与点之间的关联性，两者均旨在捕获点云数据的全局特征信息。3、点云语义分割模型的训练，利用训练集对建立好的模型进行训练。4、点云语义分割模型的测试，将测试集的点云数据输入到训练好的模型中，推理测试点云的语义类别预测值。本发明关注点云场景的全局特征，通过对全局特征的推理和增强，提升了点云场景的语义分割精度效果。
-
公开(公告)号：CN117911879A
公开(公告)日：2024-04-19
申请号：CN202410318234.4
申请日：2024-03-20
Applicant: 湘潭大学 , 中水珠江规划勘测设计有限公司
IPC: G06V20/10 , G06V20/70 , G06V10/26 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 一种融合SAM的细粒度高分遥感影像变化检测方法，属于地理图像信息处理技术领域，包括以下步骤：步骤1，影像采集；步骤2，数据集预处理；步骤3，模型建立：设计一种融合SAM的细粒度高分遥感影像变化检测模型SCDM，通过在UNet语义分割模型嵌入SAM模块，提高变化检测模型的识别精度；通过细粒度的度量学习方法，提高变化比较算法的像素级差异检测的准确率；步骤4，模型训练：步骤5，模型测试推理。本发明引入了经过大量数据集训练的SAM模块，提高了语义特征的识别精度；基于余弦距离度量的方法对度量空间中的全局特征图进行建模，并通过细粒度的对比损失函数判断特征差异，提高了变化检测的整体精度、具有较好的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.027 seconds)
