公开(公告)号：CN117974986A

公开(公告)日：2024-05-03

申请号：CN202410209117.4

申请日：2024-02-26

Applicant: 中国石油大学(华东)

Inventor： 高阳 ,  齐玉娟 ,  舒搏锋 ,  王子杰

IPC: G06V10/25 ,  G06V40/10 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种基于改进的YOLOv5及注意机制的安全帽检测方法，属于图像处理技术领域。所述方法具体包括以下步骤：由实际工地场景构建施工现场场景下的安全帽数据集；改进基于YOLOv5安全帽检测模型，在Neck网络中使用BiFPN结构代替FPN结构，以提高网络对不同尺度目标的检测能力；添加通道先验卷积注意力CPCA模块，优先分配注意力给小目标同时提升对安全帽佩戴检测精度；将YOLOv5的损失函数替换为一种能够在不同的检测任务中聚焦不同的回归样本的Focaler‑IoU损失函数，以提高回归结果的精确度，本发明能够准确地检测人员安全帽的佩戴情况，提升了对小目标的检测精度，减少漏检误检的情况。

公开(公告)号：CN117372853A

公开(公告)日：2024-01-09

申请号：CN202311337753.7

申请日：2023-10-16

Applicant: 中国石油大学(华东)

Inventor： 齐玉娟 ,  孙家浩 ,  郭宇轩 ,  王延江

IPC: G06V20/05 ,  G06V20/70 ,  G06V10/25 ,  G06V10/44 ,  G06V10/52 ,  G06V10/80 ,  G06V10/764 ,  G06V10/766 ,  G06V10/82 ,  G06V10/774 ,  G06V10/776 ,  G06T5/94 ,  G06T5/40 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0985 ,  G06N3/048

Abstract: 本发明提供了一种基于图像增强与注意力机制的水下目标检测算法，属于图像处理技术领域，用于对水下复杂模糊的目标进行检测，其步骤包括：使用自适应参数的全局直方图拉伸对水下图像进行图像增强；利用YOLOV7骨干网络对其进行特征提取；将上一步得到的输出特征输入到自注意力BSPPCSP模块进行互相关操作；将上一步得到的输出特征输入到基于跨空间注意力机制的FPN特征融合区域，通过目标置信度损失得到目标框内的目标存在分数，通过类别置信度损失得到目标框内存在物体的类别分数，通过坐标回归损失得到预测框与真实框之间的误差分数；最后通过三类损失综合计算得到最终预测结果；普通的目标检测算法无法很好的应对水下环境中色彩模糊、对比度低以及小目标聚集、遮掩、目标尺度变化较大等问题，本发明提出的一种基于YOLOV7的水下目标检测算法，实现了对水下模糊目标的高效检测。

公开(公告)号：CN112329801B

公开(公告)日：2022-06-14

申请号：CN202011411926.1

申请日：2020-12-03

Applicant: 中国石油大学(华东)

Inventor： 彭旭阳 ,  刘伟锋 ,  鲁效平 ,  刘宝弟 ,  王珺 ,  王延江 ,  齐玉娟

IPC: G06V10/44 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种卷积神经网络非局部信息构建方法，所述方法利用普通的卷积神经网络提取图像的卷积特征；采用自注意力机制计算图像的像素级全局注意力图；通过注意力图构建图像内部的全局图结构；采用图卷积神经网络在图像内部的全局图结构上提取具有非局部性的图特征；采用矩阵乘法将图像的图特征与卷积特征进行融合，并将融合的特征输入到后续网络中。本发明方法不仅仅能提取图像固定感受野下的局部特征，还能够提取非局部特征，减少卷积神经网络在图像特征提取上的误差，显著增加图像生成与分类有效性。

公开(公告)号：CN108765468A

公开(公告)日：2018-11-06

申请号：CN201810537733.7

申请日：2018-05-30

Applicant: 中国石油大学(华东)

Inventor： 齐玉娟 ,  闫李明 ,  颜建东 ,  黄杨 ,  陈浩

IPC: G06T7/277 ,  G06T7/246 ,  G06K9/62

CPC classification number: G06T7/277 ,  G06K9/629 ,  G06T7/246

Abstract: 本发明公开了一种基于特征融合的目标跟踪方法和装置，属于目标跟踪技术领域，通过将目标空间直方图和目标区域的HOG特征相融合，并计算其与候选区域空间直方图和候选区域HOG特征之间的相似度，并计算每个粒子位置的HOG特征与空间直方图特征的多特征权重计算结果，最后根据加权求和的结果确定目标的估计位置，充分利用HOG特征对图像几何和光学的形变能保持良好不变性的优点，一定程度上弥补空间直方图特征的不足，可以提高目标发生形变以及复杂背景等情况下目标跟踪的鲁棒性。

公开(公告)号：CN117274420A

公开(公告)日：2023-12-22

申请号：CN202311416807.9

申请日：2023-10-30

Applicant: 中国石油大学(华东)

Inventor： 齐玉娟 ,  郭得宝

IPC: G06T11/00 ,  G06T9/00 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/094

Abstract: 本发明公开一种基于双对抗机制的图像生成算法，属于一般的图像数据处理或产生技术领域，用于生成逼真且多样性的图像，包括将真实图像作为输入，通过预处理操作得到处理后的图像；将上一步得到的图像输入编码器得到潜在分布变量；将上一步得到的潜在分布变量分别输入到代码生成器和判别器DisθB，代码生成器输出包含特征更高级和更抽象的采样变量，判别器DisθB使得潜在分布变量接近标准正态分布；将上一步得到的采样变量输入到解码器，为提高生成图像的多样性在解码器中添加SE注意力模块，通过Squeeze阶段降维与Excitation阶段权重生成，自适应学习每个通道权重，最终输出图像；将上一步得到的图像输入到判别器DisθA，训练解码器与判别器DisθA，使得生成的图像接近真实图像。

公开(公告)号：CN117132833A

公开(公告)日：2023-11-28

申请号：CN202311130026.3

申请日：2023-09-04

Applicant: 中国石油大学(华东)

Inventor： 齐玉娟 ,  郭宇轩 ,  刘宝弟 ,  王延江

IPC: G06V10/764 ,  G06V10/58 ,  G06V20/10 ,  G06V10/77 ,  G06V10/26 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明提供一种多尺度交叉注意力高光谱图像分类网络，属于图像处理技术领域，所述高光谱分类网络包括主成分分析、多尺度特征提取、CAT网络分类、多层感知机，主成分分析用以对输入的图像数据进行降维，以生成低维数据矩阵；多尺度特征提取用以对图像块进行三维卷积操作，以提取图像多尺度特征；CAT分类网络用以对图像块进行内部与交叉注意力计算，生成分类数据矩阵；多层感知机对分类数据矩阵进行全连接，以生成最终数据进行分类；目前CAT网络主要应用于普通图像分类与目标检测领域，本发明实现了CAT模型在高光谱图像分类领域的迁移，实现了VIT模型以更低的计算成本处理高光谱图像，同时解决了原模型不能充分利用多尺度空间信息的问题。

公开(公告)号：CN119380032A

公开(公告)日：2025-01-28

申请号：CN202411967721.X

申请日：2024-12-30

Applicant: 中国石油大学(华东)

Inventor： 陈匡勔 ,  齐玉娟 ,  杨子涵 ,  杨青青

IPC: G06V10/26 ,  H04N23/695 ,  G06V40/16 ,  G06V10/94 ,  G06T7/246 ,  G06T7/136

Abstract: 本申请属于口罩佩戴检测技术领域，提供一种图像质量失真检测、识别系统及方法与自动追踪推送器，自动追踪装置；与所述自动追踪装置相配合使用的遥控器，所述遥控器包括发射器和接收器，其中接收器连接自动追踪装置的主控系统，且自动追踪装置的主控系统连接openmv摄像头；机体，所述机体采用可拆卸连接，且机体被驱动系统驱动；设置于所述机体上的openmv摄像头；所述遥控器还包括单片机，本发明具备自动追踪和手动调整追踪两种模式，大大提高了应用性，使其应用范围更广，且通过自动追踪装置和openmv摄像头配合使用，实现对未佩戴口罩人员的锁定。本发明可在识别到人员未佩戴口罩的同时，对未佩戴口罩的人员进行自动追踪和警示；应用性更广。

公开(公告)号：CN118537369A

公开(公告)日：2024-08-23

申请号：CN202410601464.1

申请日：2024-05-15

Applicant: 中国石油大学(华东)

Inventor： 齐玉娟 ,  胡俊豪 ,  王延江 ,  刘宝弟

IPC: G06T7/246 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048

Abstract: 发明提供一种基于Vmamba(Visual mamba,视觉状态空间模型)和Transformer结合的单目标跟踪网络，属于图像处理技术领域，所述单目标跟踪网络包括特征提取网络、基于AiA(Attention in Attention)模块的注意力特征融合网络、跟踪头网络和中间帧更新网络，特征提取网络用以对初始帧、中间帧和搜索帧提取图像特征；基于AiA模块的注意力特征融合网络用以对图像特征进行自注意力和交叉注意力计算，生成增强后的特征图；跟踪头网络用于在特征图上预测目标边界框的坐标位置并返回搜索帧；中间帧更新网络用以将最新检测到的目标加入中间帧，以便得到目标最新的特征图，提高算法的跟踪性能。本发明实现了Vmamba在视觉跟踪领域的应用，解决了CNN(Convolutional Neural Network)作为主干网络缺乏全局感受野的问题。

公开(公告)号：CN112507618B

公开(公告)日：2023-10-27

申请号：CN202011412982.7

申请日：2020-12-03

Applicant: 中国石油大学(华东)

Inventor： 吕云雪 ,  刘伟锋 ,  张凯 ,  刘宝弟 ,  王珺 ,  王延江 ,  齐玉娟

IPC: G06F30/27 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/082 ,  G06F111/10

Abstract: 本发明提供了一种基于生成对抗网络的油藏自动历史拟合方法，包括进行数据的采集，由渗透率场数据和生产数据形成数据集；对数据集进行预处理，并划分为训练集、验证集和测试集；使用训练集数据训练生成对抗网络模型，并同时使用验证集数据挑选最佳模型进行保存；读取保存的最佳模型，输入测试集数据，生成对应的渗透率场；将上步生成的渗透率场数据进行数值模拟得到生产数据b，并与测试集中真实的渗透率场对应的生产数据B对比，进行结果验证；使用经过结果验证合格的模型应用到实际的油井地质情况预测。本方法不需要代理模型或专家经验，通过训练生成对抗网络找到静态参数(渗透率场)和动态生产数据的映射关系，利用油井生产数据获得地质情况。

公开(公告)号：CN112926232A

公开(公告)日：2021-06-08

申请号：CN202011457426.1

申请日：2020-12-10

Applicant: 中国石油大学(华东)

Inventor： 刘瑶 ,  刘伟锋 ,  黄建平 ,  刘宝弟 ,  王珺 ,  齐玉娟

IPC: G06F30/23 ,  G06T5/00 ,  G06T5/20 ,  G06T5/50 ,  G06N3/08 ,  G06N3/04 ,  G01V1/30 ,  G01V1/28 ,  G06F111/10

Abstract: 本发明提供了一种基于分层融合的地震低频分量恢复方法，通过正演方式获得全频段地震记录；将全频段地震记录滤除低频成分，得到对应的带限地震记录；将带限地震记录按照能量相近性做分层处理；将分层处理后的带限地震记录划分为训练集、验证集和测试集；利用训练集、验证集训练设计好的卷积神经网络，获得训练好的分层网络；将测试集带限数据输入训练好的分层网络，得到预测的分层的全频地震记录；将预测的分层的全频地震记录融合为完整的预测的地震记录；对完整的预测的地震记录做全波形反演，得到预测速度场。可有效避免由地震数据能量不均衡导致的卷积神经网络参数学习受干扰的现象，且恢复较深层低频分量的效果更优。