公开(公告)号：CN114419081B

公开(公告)日：2022-06-21

申请号：CN202210312991.1

申请日：2022-03-28

Applicant: 南昌工程学院

Inventor： 郭波 ,  张渴望 ,  王家辉

IPC: G06T7/12 ,  G06T7/181 ,  G06V10/26 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种图像语义分割方法、系统及可读存储介质，该方法包括如下步骤：获取待训练图像，对待训练图像进行特征提取以得到多个待训练特征区域，根据多个所述待训练特征区域以及对应的人工标注标签组成第一数据集；然后构建融合神经网络模型，利用第一数据集对融合神经网络模型进行训练以得到训练后的融合神经网络模型；最后将预测区域图像输入至训练后的融合神经网络模型中进行预测，以得到模型预测结果。本发明提升了卷积神经网络对细节轮廓的提取能力，提高了分割区域的识别效果。

公开(公告)号：CN115953672B

公开(公告)日：2024-02-27

申请号：CN202310232702.1

申请日：2023-03-13

Applicant: 南昌工程学院

Inventor： 郭波 ,  王家辉 ,  于祯

IPC: G06V20/05 ,  G06V10/42 ,  G06V10/44 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明提出一种水下大坝表面裂缝识别方法，利用PGGAN模型生成更多的水下大坝表面图像来构造训练数据；将训练数据输入到CNN特征提取器中获取特征，构建训练模型并计算图像组中两图像对的特征空间距离；根据特征空间距离判断图像对是否属于同一类别，将判断结果与预设的特征空间距离相对比，若不属于同一类别，则计算二者之间的损失；将损失回传至训练模型中，并调整训练模型的参数，直至训练模型准确度达到预设值，最后输入需要识别的图像至训练模型中，获得图像是否存在裂缝的判断结果，本申请通过傅里叶变换后的图像可以消除大坝表面杂物的干扰，从而提取特定的裂缝信息，使得检测的准确度增加。

公开(公告)号：CN115953672A

公开(公告)日：2023-04-11

申请号：CN202310232702.1

申请日：2023-03-13

Applicant: 南昌工程学院

Inventor： 郭波 ,  王家辉 ,  于祯

IPC: G06V20/05 ,  G06V10/42 ,  G06V10/44 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明提出一种水下大坝表面裂缝识别方法，利用PGGAN模型生成更多的水下大坝表面图像来构造训练数据；将训练数据输入到CNN特征提取器中获取特征，构建训练模型并计算图像组中两图像对的特征空间距离；根据特征空间距离判断图像对是否属于同一类别，将判断结果与预设的特征空间距离相对比，若不属于同一类别，则计算二者之间的损失；将损失回传至训练模型中，并调整训练模型的参数，直至训练模型准确度达到预设值，最后输入需要识别的图像至训练模型中，获得图像是否存在裂缝的判断结果，本申请通过傅里叶变换后的图像可以消除大坝表面杂物的干扰，从而提取特定的裂缝信息，使得检测的准确度增加。

公开(公告)号：CN114419081A

公开(公告)日：2022-04-29

申请号：CN202210312991.1

申请日：2022-03-28

Applicant: 南昌工程学院

Inventor： 郭波 ,  张渴望 ,  王家辉

IPC: G06T7/12 ,  G06T7/181 ,  G06V10/26 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种图像语义分割方法、系统及可读存储介质，该方法包括如下步骤：获取待训练图像，对待训练图像进行特征提取以得到多个待训练特征区域，根据多个所述待训练特征区域以及对应的人工标注标签组成第一数据集；然后构建融合神经网络模型，利用第一数据集对融合神经网络模型进行训练以得到训练后的融合神经网络模型；最后将预测区域图像输入至训练后的融合神经网络模型中进行预测，以得到模型预测结果。本发明提升了卷积神经网络对细节轮廓的提取能力，提高了分割区域的识别效果。