公开(公告)号：CN117078614A

公开(公告)日：2023-11-17

申请号：CN202311006374.X

申请日：2023-08-11

Applicant: 厦门大学嘉庚学院 ,  平和县嗨果匠果业有限公司

Inventor： 郭一晶 ,  温宗恒 ,  邱义 ,  黄炜钦 ,  陈宗佑

IPC: G06T7/00 ,  G06T5/50 ,  G06N3/08 ,  G06V10/764 ,  G06V10/82 ,  G06V10/80

Abstract: 本发明提供了一种基于改进YOLOX的竹条表面缺陷检测方法，包括以下步骤：步骤1：采集竹条表面缺陷数据，并进行标注，然后按7:2:1的比例将数据集划分成训练集、验证集和测试集；步骤2：构建改进的YOLOX网络；步骤3：使用构建的数据集训练改进的YOLOX缺陷检测网络，训练前先对训练的图像使用HSV色调变换和Mosaic数据增强方法对进行数据增强操作；损失函数包含分类损失、置信度损失和边界框回归损失；其中将置信度损失修改为Focal Loss，以改善正负样本不均衡的问题，将边界框回归损失修改为CIoU Loss；步骤4：将待检测的图像输入训练好的网络中，得到缺陷的类别和位置信息。应用本技术方案可实现自动对缺陷进行检测，同时具有较高的准确率。

公开(公告)号：CN111833252A

公开(公告)日：2020-10-27

申请号：CN202010670836.8

申请日：2020-07-13

Applicant: 厦门大学嘉庚学院

Inventor： 黄炜钦 ,  郭一晶 ,  陈俊仁

IPC: G06T3/40 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及基于SAE字典学习和邻域回归的图像超分辨率方法，首先针对字典学习模型SAE准备输入数据，并进行字典的构造与训练；然后结合邻域回归理论和字典求解投影矩阵；最后基于投影矩阵进行图像重建，获得高分辨率图像。本发明一方面提高字典的特征表达能力，减小重建结果对字典的依赖性；另一方面融入邻域回归理论，提高重建速度。

公开(公告)号：CN111833252B

公开(公告)日：2022-06-14

申请号：CN202010670836.8

申请日：2020-07-13

Applicant: 厦门大学嘉庚学院

Inventor： 黄炜钦 ,  郭一晶 ,  陈俊仁

IPC: G06T3/40 ,  G06V10/77 ,  G06V10/772 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及基于SAE字典学习和邻域回归的图像超分辨率方法，首先针对字典学习模型SAE准备输入数据，并进行字典的构造与训练；然后结合邻域回归理论和字典求解投影矩阵；最后基于投影矩阵进行图像重建，获得高分辨率图像。本发明一方面提高字典的特征表达能力，减小重建结果对字典的依赖性；另一方面融入邻域回归理论，提高重建速度。