公开(公告)号：CN111401380A

公开(公告)日：2020-07-10

申请号：CN202010215404.8

申请日：2020-03-24

Applicant: 北京工业大学

Inventor： 孙艳丰 ,  李昱钊

IPC: G06K9/34 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明针对RGB-D图像的场景理解问题，提出了一种基于深度特征增强和边缘优化的RGB-D图像分割方法，属于计算机视觉领域。本发明首先使用以Mask-RCNN为主干的神经网络提取RGB-D图像的彩色通道特征；然后设计了一种深度特征增强网络提取深度通道特征并与彩色特征进行融合；最后设计了一种基于随机游走的网络结构来对主干网络输出的分割结果进行边缘优化。本发明具有语义抽象程度高，特征融合充分，分割边缘清晰等优点。

公开(公告)号：CN111401380B

公开(公告)日：2023-06-20

申请号：CN202010215404.8

申请日：2020-03-24

Applicant: 北京工业大学

Inventor： 孙艳丰 ,  李昱钊

IPC: G06V20/70 ,  G06V10/26 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/0475 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明针对RGB‑D图像的场景理解问题，提出了一种基于深度特征增强和边缘优化的RGB‑D图像分割方法，属于计算机视觉领域。本发明首先使用以Mask‑RCNN为主干的神经网络提取RGB‑D图像的彩色通道特征；然后设计了一种深度特征增强网络提取深度通道特征并与彩色特征进行融合；最后设计了一种基于随机游走的网络结构来对主干网络输出的分割结果进行边缘优化。本发明具有语义抽象程度高，特征融合充分，分割边缘清晰等优点。

公开(公告)号：CN108647655B

公开(公告)日：2022-07-12

申请号：CN201810465955.2

申请日：2018-05-16

Applicant: 北京工业大学

Inventor： 张菁 ,  王立元 ,  卓力 ,  梁西 ,  李昱钊

IPC: G06V20/17 ,  G06N3/04 ,  G06N3/08

Abstract: 基于轻型卷积神经网络的低空航拍影像电力线异物检测方法属于计算机视觉领域，研究了一种针对无人机航拍影像中电力线异物的实时检测方法。首先利用卷积神经网络构建轻型电力线检测模型，计算得到航拍影像中电力线的深度特征；然后利用卷积神经网络构建多目标电力线异物检测模型，使用不同长宽的卷积层，利用深度特征计算多尺度目标的预测值；最后利用电力线检测模型过滤没有电力线的视频帧，在检测到电力线的视频上，利用多目标电力线异物检测模型实现低空航拍影像中实时的电力线异物检测。

公开(公告)号：CN108764142A

公开(公告)日：2018-11-06

申请号：CN201810530883.5

申请日：2018-05-25

Applicant: 北京工业大学

Inventor： 张菁 ,  李昱钊 ,  卓力 ,  梁西 ,  王立元

IPC: G06K9/00 ,  G06K9/62 ,  G06T7/269

CPC classification number: G06K9/00657 ,  G06K9/00771 ,  G06K9/6256 ,  G06K9/6269 ,  G06T7/269 ,  G06T2207/10016 ,  G06T2207/30188 ,  G06T2207/30232

Abstract: 基于3DCNN的无人机影像森林烟雾检测和分类方法属于计算机视觉领域，具体涉及深度学习，目标检测等技术。本发明首先对原始帧序列提取多个通道的时空信息，得到多个通道的初始特征图用于卷积层的特征提取；然后利用不同长宽的卷积层和下采样层对初始特征图进行多尺度特征提取；最后连接各层特征图得到特征向量，组合SVM(Support Vector Machine)分类器，在森林烟雾视频数据集上完成训练和烟雾的检测分类。本发明弥补了模型设计困难，计算量大的缺点，神经网络中不同尺度的卷积层和下采样层可以提取鲁棒的深度场景特征信息，可以适应多角度，多尺度的拍摄场景；其次，对烟雾的动态时空特征具有较好的描述能力。

公开(公告)号：CN108647655A

公开(公告)日：2018-10-12

申请号：CN201810465955.2

申请日：2018-05-16

Applicant: 北京工业大学

Inventor： 张菁 ,  王立元 ,  卓力 ,  梁西 ,  李昱钊

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 基于轻型卷积神经网络的低空航拍影像电力线异物检测方法属于计算机视觉领域，研究了一种针对无人机航拍影像中电力线异物的实时检测方法。首先利用卷积神经网络构建轻型电力线检测模型，计算得到航拍影像中电力线的深度特征；然后利用卷积神经网络构建多目标电力线异物检测模型，使用不同长宽的卷积层，利用深度特征计算多尺度目标的预测值；最后利用电力线检测模型过滤没有电力线的视频帧，在检测到电力线的视频上，利用多目标电力线异物检测模型实现低空航拍影像中实时的电力线异物检测。