-
公开(公告)号：CN110135296A
公开(公告)日：2019-08-16
申请号：CN201910358360.1
申请日：2019-04-30
Applicant: 上海交通大学
Abstract: 本发明提出了一种基于卷积神经网络(CNN)的FOD检测方法。该方法主要基于Faster R-CNN算法框架为输入图像生成目标候选区域同时采用DenseNet代替传统的VGG16-Net进行特征提取，可以大大减少网络参数和充分利用目标特征，有利于小尺寸FOD的检测。本文还改进了RPN层中分类的损失函数，使用Focal Loss来优化正负样本的权重，使得训练结果聚焦在样本中难以分类的小尺寸FOD目标上。实验表明，该方法具有良好实时的检测效果、高检测准确率和良好的抗干扰性。机场跑道FOD图像数据集主要包括四种类型的物体(小钢珠、金属螺母、大螺丝和小螺丝)。与经典的Faster R-CNN相比，本方法实现了93.93％的FOD目标检测精确率，提高了14.91％，而检测速度也提高了一倍多。
-
公开(公告)号：CN108805050A
公开(公告)日：2018-11-13
申请号：CN201810520384.8
申请日：2018-05-28
Applicant: 上海交通大学
CPC classification number: G06K9/00624 , G06K9/46 , G06K9/622 , G06K2009/4666 , G06K2209/21
Abstract: 本发明提供了一种基于局部二值模式的电线检测方法，包括：读入灰度图像，该灰度图像是一个二维矩阵；使用5×5区域的移动平均法计算整张灰度图像上的局部阈值；进行三次不同尺度的LBP计算；综合三次LBP计算的结果，得出疑似电线的部分；对疑似电线的部分进行结果聚类，去除伪目标。本发明通过向量化编程来提升处理效率；重新设计了LBP方法的阈值选取策略，与经典的移动平均法相结合；采取综合多个不同尺度LBP算子的方式来提升方法的稳定性。通过密度聚类分析对电线检测结果去除伪目标，最终提取出电线。对于大多数图像都能实现电线的快速检测，对于一张尺寸为1920*1080的图像处理时间大致在2s左右。
-
Patent Agency Ranking
公开(公告)号：CN115909084A
公开(公告)日：2023-04-04
申请号：CN202211391959.3
申请日：2022-11-08
Applicant: 上海交通大学
IPC: G06V20/13 , G06V10/44 , G06V10/774 , G06V10/82 , G06V10/84 , G06N3/0475 , G06N3/08
Abstract: 一种基于边缘信息云去除结合生成对抗网络方法，分别处理遥感图像的边缘信息和颜色信息，使得云去除的过程更加合理。先进行云遮挡仿真，再分别训练两个GAN网络，获得两个不同功能的生成模型，提高最终云去除结果的质量。
-
公开(公告)号：CN115239887A
公开(公告)日：2022-10-25
申请号：CN202211032120.0
申请日：2022-08-26
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于室内外点云高精度重构曼哈顿建筑轴线的方法及系统，包括：采集高精度建筑物室内外点云数据；提取建筑物目标楼层的点云数据；将目标楼层的点云数据投影到XOY平面并剔除室内非墙体结构点云数据，得到墙体结构点云数据；基于墙体结构点云数据提取墙体点云内、外轮廓；根据墙体点云内、外轮廓计算各段墙体厚度；基于墙体点云内、外轮廓对墙体外边界进行直线检测；基于墙体点云内、外轮廓进行墙体边界的几何关系推理确定边界共线或正交关系；基于正交和对称约束对墙体外边界进行整体参数优化；基于墙体边界位置信息，墙体厚度以及长度几何尺寸信息计算墙体轴线角点位置坐标及各段轴线长度，结合楼层高度信息建立BIM模型。
-
公开(公告)号：CN108805050B
公开(公告)日：2021-01-01
申请号：CN201810520384.8
申请日：2018-05-28
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于局部二值模式的电线检测方法，包括：读入灰度图像，该灰度图像是一个二维矩阵；使用5×5区域的移动平均法计算整张灰度图像上的局部阈值；进行三次不同尺度的LBP计算；综合三次LBP计算的结果，得出疑似电线的部分；对疑似电线的部分进行结果聚类，去除伪目标。本发明通过向量化编程来提升处理效率；重新设计了LBP方法的阈值选取策略，与经典的移动平均法相结合；采取综合多个不同尺度LBP算子的方式来提升方法的稳定性。通过密度聚类分析对电线检测结果去除伪目标，最终提取出电线。对于大多数图像都能实现电线的快速检测，对于一张尺寸为1920*1080的图像处理时间大致在2s左右。
-
公开(公告)号：CN109543595A
公开(公告)日：2019-03-29
申请号：CN201811374574.X
申请日：2018-11-19
Applicant: 上海交通大学
Abstract: 一种基于卷积神经网络且采取了深度可分离卷积结构的电线训练和检测方法，包括：构建一个使用深度分离卷积的神经网络；使用分布均匀的小型切片训练卷积核；将训练好的卷积核用于红外灰度图像的特征提取；根据阈值对图像二值化，去除小面积区域，使用概率霍夫变换方法连接直线区域。本发明通过机器学习的方法训练出能够提取到红外电线特征的卷积核，可有效地从红外灰度图像当中提取到电线特征；结合形态学处理和直线霍夫变换，最终可实时地进行电线检测。
-
公开(公告)号：CN109543595B
公开(公告)日：2021-09-07
申请号：CN201811374574.X
申请日：2018-11-19
Applicant: 上海交通大学
Abstract: 一种基于卷积神经网络且采取了深度可分离卷积结构的电线训练和检测方法，包括：构建一个使用深度分离卷积的神经网络；使用分布均匀的小型切片训练卷积核；将训练好的卷积核用于红外灰度图像的特征提取；根据阈值对图像二值化，去除小面积区域，使用概率霍夫变换方法连接直线区域。本发明通过机器学习的方法训练出能够提取到红外电线特征的卷积核，可有效地从红外灰度图像当中提取到电线特征；结合形态学处理和直线霍夫变换，最终可实时地进行电线检测。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
