-
公开(公告)号：CN112101118B
公开(公告)日：2024-05-24
申请号：CN202010831330.0
申请日：2020-08-18
Applicant: 东南大学
Abstract: 本发明公开一种远景与近景图像结合的光伏组件定位与匹配方法，包括以下步骤：建立光伏电站的三维模型；拍摄远景图像与近景图像；在远景图像中识别光伏组件，选择特征点；根据拍摄点的GPS信息和相机姿态信息，以及光伏电站的三维模型，计算特征点的位置信息；根据特征点的位置信息，校正拍摄点的位置信息；将近景图像与远景图像的相应区域进行匹配；在近景图像中检测异常的光伏组件，在光伏电站的三维模型中进行定位与匹配。本发明充分结合远景图像的光伏组件分布信息，以及近景图像的光伏组件局部信息，有效实现了光伏组件的定位与匹配，可以用于光伏电站无人机拍摄巡检。
-
公开(公告)号：CN116563271A
公开(公告)日：2023-08-08
申请号：CN202310703400.8
申请日：2023-06-13
Applicant: 东南大学
Abstract: 本发明公开了一种基于视频前后帧建模的猪只检测方法。首先，对数据集中的数据进行亮度变换、局部遮挡、PCA抖动等增强操作，以提高对各类目标检测环境的鲁棒性。之后，将迁移学习和注意力机制与端到端的DETR模型进行结合，从而有效地提升了目标检测的精度。随后，设计雅卡尔指数重置置信度获得最终目标检测结果，能够减小将飞雪，斑点等误识别以及猪只重复识别的概率。本发明有助于智能化猪场建设，可为后续猪只行为识别研究提供参考。
-
公开(公告)号：CN111144456B
公开(公告)日：2023-07-18
申请号：CN201911276620.7
申请日：2019-12-13
Applicant: 东南大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于本征特征迁移的深度模型压缩方法，所述方法包括以下步骤：基于奇异值分解方法，将老师深度模型中的一组特征图进行分解，提取老师深度模型中的本征特征图组；将学生深度模型中的一组特征图与老师深度模型中的本征特征图组进行对齐；基于奇异值计算各本征特征图的权重；通过最小化学生深度模型中特征图组和老师深度模型中本征特征图组的加权差值，将老师深度模型中的本征特征迁移给学生深度模型，从而提高学生深度模型的性能。本发明提取老师深度模型中最本质的本征特征图，并有效迁移给学生深度模型，有助于提高深度模型压缩的精度，获得高性能的学生深度模型。
-
-
Patent Agency Ranking
公开(公告)号：CN111144456A
公开(公告)日：2020-05-12
申请号：CN201911276620.7
申请日：2019-12-13
Applicant: 东南大学
Abstract: 本发明涉及一种基于本征特征迁移的深度模型压缩方法，所述方法包括以下步骤：基于奇异值分解方法，将老师深度模型中的一组特征图进行分解，提取老师深度模型中的本征特征图组；将学生深度模型中的一组特征图与老师深度模型中的本征特征图组进行对齐；基于奇异值计算各本征特征图的权重；通过最小化学生深度模型中特征图组和老师深度模型中本征特征图组的加权差值，将老师深度模型中的本征特征迁移给学生深度模型，从而提高学生深度模型的性能。本发明提取老师深度模型中最本质的本征特征图，并有效迁移给学生深度模型，有助于提高深度模型压缩的精度，获得高性能的学生深度模型。
-
公开(公告)号：CN109583450A
公开(公告)日：2019-04-05
申请号：CN201811423906.9
申请日：2018-11-27
Applicant: 东南大学
Abstract: 本发明公开了一种基于前馈神经网络融合视觉注意先验的显著区域检测方法，将输入图像分割成多个互不相交的超像素；根据视觉的低层次先验特性之稀有性，基于不同的上下文区域为每个超像素计算稀有性特征值；根据视觉的低层次先验特性之对比度特性，为每个超像素计算其与不同网格区域之间的对比度特征值；根据视觉的低层次先验特性之中央偏置特性，为每个超像素计算其与图像中心点之间的空间距离特征值；基于已有的深度网络模型建模每个超像素的高层次先验特性，获取对应的高层次先验特征值；使用多层前馈神经网络融合低层次先验特性和高层次先验特性，计算各个超像素属于显著类的可能性，从而求得最终的显著图。本发明有效检测图像中的显著目标。
-
公开(公告)号：CN108596880A
公开(公告)日：2018-09-28
申请号：CN201810310148.3
申请日：2018-04-08
Applicant: 东南大学
Abstract: 本发明公开了一种基于图像处理的焊接缺陷特征提取与焊接质量分析方法。本发明的方法包括如下步骤：S1.对黑白相机获取的灰度图像进行图像增强；S2.根据工件类型和焊接区域类型，设计工件背景分割卡，对增强后的图像进行背景分割，剔除背景对后续图像处理的影响；S3.根据焊洞的特征设计提取算法，获得焊接缺陷的形态和面积信息，分析焊洞的大小情况，对焊洞的不合格程度进行自动分级。该方法将图像增强，背景分割，二值化处理和轮廓提取等图像处理技术成功运用于实际的焊接场景中，有效地提取出了焊接后工件中的焊接缺陷特征并计算出缺陷面积。该方法能够实时自动分析焊接质量，有利于工厂生产效率的提高。
-
公开(公告)号：CN108052939A
公开(公告)日：2018-05-18
申请号：CN201711236304.8
申请日：2017-11-30
Applicant: 东南大学
IPC: G06K9/32
Abstract: 本发明公开了一种基于多图优化和稀有特性的显著目标检测方法，包括如下步骤：使用SLIC算法将图像过分割成超像素，计算各超像素的位置和颜色特征；将超像素定义为图的结点，根据超像素的位置和颜色特征分别构造两个不同的图，用于描述输入图像；基于图中结点的度，计算超像素的稀有特性；基于图像边缘超像素和所构造的图，获取种子结点信息；提出多图优化框架，融合所构造的多图、各超像素的稀有特性和种子结点信息，检测出自然场景图像中的显著目标。本发明充分考虑人眼有效的视觉稀有特性，有助于提高复杂自然场景图像中显著目标检测的性能；本发明与其他十五种显著目标检测方法进行比较，验证了该方法检测结果与数据库中的真值图更加一致。
-
公开(公告)号：CN206945031U
公开(公告)日：2018-01-30
申请号：CN201720630554.9
申请日：2017-06-02
Applicant: 东南大学
IPC: G01D11/24
Abstract: 本实用新型公开了一种卡扣式惯性测量模块外壳，外壳由底座和顶盖两部分构成；底座上具有若干母扣，可与顶盖上所设计的公扣相扣合，扣合完成后整体结构紧密，不需要额外安装螺丝进行固定；底座在侧面分别有USB接口槽口和开关槽口，内部放置模块主体电路板；顶盖设计有电池卡槽，方便电池安装与存放。本实用新型为惯性测量模块电路板及电池的安装提供了外壳保护，使用卡扣式结构，代替了螺丝的固定，增加了模块装配效率。
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.019 seconds)
