-
公开(公告)号：CN113129409B
公开(公告)日：2023-07-25
申请号：CN202110512222.1
申请日：2021-05-11
Applicant: 华南农业大学
IPC: G06T11/40 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于深度学习的漫画线稿上色方法，包括：获取成对的彩色漫画图片和漫画线稿图片作为训练样本；建立全自动上色模型和用户交互式半自动上色模型，利训练样本对全自动上色模型和用户交互式半自动上色模型进行训练，获得训练好的全自动上色模型或用户交互式半自动上色模型；选择上色方式，将待上色的漫画线稿输入训练好的全自动上色模型或用户交互式半自动上色模型中，从全自动上色模型中输出不同上色方案的上色图片，或从用户交互式半自动上色模型中输出用户指定上色方案的上色图片。本发明能够实现输入一张待上色的漫画线稿，输出多张不同上色方案的上色图片，上色效率高，上色效果好，并且还能输出用户指定上色方案的上色图片。
-
公开(公告)号：CN113129409A
公开(公告)日：2021-07-16
申请号：CN202110512222.1
申请日：2021-05-11
Applicant: 华南农业大学
Abstract: 本发明提供一种基于深度学习的漫画线稿上色方法，包括：获取成对的彩色漫画图片和漫画线稿图片作为训练样本；建立全自动上色模型和用户交互式半自动上色模型，利训练样本对全自动上色模型和用户交互式半自动上色模型进行训练，获得训练好的全自动上色模型或用户交互式半自动上色模型；选择上色方式，将待上色的漫画线稿输入训练好的全自动上色模型或用户交互式半自动上色模型中，从全自动上色模型中输出不同上色方案的上色图片，或从用户交互式半自动上色模型中输出用户指定上色方案的上色图片。本发明能够实现输入一张待上色的漫画线稿，输出多张不同上色方案的上色图片，上色效率高，上色效果好，并且还能输出用户指定上色方案的上色图片。
-
公开(公告)号：CN112465810A
公开(公告)日：2021-03-09
申请号：CN202011477224.3
申请日：2020-12-15
Applicant: 华南农业大学
Abstract: 本发明为克服卷积神经网络直接应用于纺织品的疵点检测分类会存在检测效率低、效果不理想的缺陷，提出一种纺织品疵点的检测分类方法，包括以下步骤：采集纺织品疵点图像组成数据集，并对数据集进行预处理；将经过预处理的数据集划分为训练集、验证集和测试集；构建增强型Alexnet卷积神经网络；将训练集输入增强型Alexnet卷积神经网络中进行训练，调整其参数并保存；将验证集输入完成训练的增强型Alexnet卷积神经网络中进行验证，输出得到纺织品疵点的检测分类结果，并计算其准确率；若准确率低于预设的阈值，则重新进行训练；将测试集输入完成训练的增强型Alexnet卷积神经网络中，输出得到纺织品疵点的检测分类结果。
-
公开(公告)号：CN118587596A
公开(公告)日：2024-09-03
申请号：CN202410782157.8
申请日：2024-06-17
Applicant: 华南农业大学
IPC: G06V20/10 , G06V10/82 , G06V10/764 , G06V10/42 , G06V10/44 , G06V10/80 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种融合CNN和Transformer双重网络的稻田杂草识别方法，包括：S1）：首先使用相机以俯拍或斜拍的方式获取稻田杂草图像，构建杂草图像数据集；S2）：构建融合CNN和Transformer双重网络模型；S3）：将S1）中构建的杂草图像数据集输入到构建的融合CNN和Transformer双重网络模型中进行训练，得到训练好的网络模型权重文件；S4）：将待识别杂草图像输入到训练好的网络模型权重文件中，输出待识别杂草种类。本发明通过CNN网络主要提取局部特征，Transformer网络主要提取全局特征，极大丰富了网络的表征能力，实现双重网络对稻田杂草进行识别，提高杂草识别的精准性。
-
-
-
Search Results
4
records
(took 0.017 seconds)
