-
公开(公告)号：CN115700731B
公开(公告)日：2025-05-27
申请号：CN202211441149.4
申请日：2022-11-17
Applicant: 大连海事大学
IPC: G06T5/00 , G06N3/0464 , G06N3/08 , G06V10/40 , G06V10/774
Abstract: 本发明提供了一种基于双通道卷积神经网络的水下图像增强方法，涉及水下图像增强与复原技术领域，包括如下步骤：S1：建立图像训练集；S2：将一张待优化目标图像输入至浅层卷积神经网络分支对目标图像的全局结构进行优化，得到全局结构优化图像；S3：将另一张待优化目标图像输入至深层卷积神经网络分支对目标图像进行细节信息恢复，得到细节信息恢复图像；S4：将全局结构优化图像和细节信息恢复图像输入至微调卷积神经网络中，利用张量拼接操作进行图像融合，输出增强后目标图像；S5：对图像训练集中的所有图像进行上述步骤，直至图像增强完毕。本发明能够有效增强对比度低、颜色失真严重的水下图像，同时保留图像的细节信息，较好的改善图像质量。
-
公开(公告)号：CN115914495B
公开(公告)日：2024-09-13
申请号：CN202211429583.0
申请日：2022-11-15
Applicant: 大连海事大学
IPC: H04N5/222 , G06T7/194 , G06V10/26 , G06V10/40 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08 , H04N5/272 , G10L15/06
Abstract: 本发明提供一种用于车载自动驾驶系统的目标与背景分离方法，方法包括：构建红外镜像生成系统，所述红外镜像生成系统用于将输入图像进行像素的逐级提取，并将各级提取的红外辐射图像在物面叠加；基于所述红外镜像生成系统获取待处理红外景象生成数据；将所述红外景象生成数据输入训练后的语义分割模型进行语义特征提取，从而获取红外景象生成数据的语义分割特征；将所述语义分割特征输入训练后的前景背景判断模型景象前景提取，从而获得与所述红外景象生成数据对应的前景掩码，实现目标与背景分离。本发明能够在帧频范围内通过脉宽调试方法生成高灰度的红外景象，并基于预训练的神经网络模型实现目标前景的高效精确提取。
-
公开(公告)号：CN117611942A
公开(公告)日：2024-02-27
申请号：CN202311595766.4
申请日：2023-11-27
Applicant: 大连海事大学
IPC: G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/42 , G06V10/80 , G06N3/048 , G06T3/4053 , G06T5/70
Abstract: 本发明一种基于轻量化深度神经网络进行不同视觉处理的方法，包括以下步骤：根据待处理的不同视觉任务，分别获取与视觉任务相对应的数据集，按照比例将数据集划分为训练集和测试集；构建轻量化深度神经网络，所述轻量化深度神经网络包括基于多尺度空洞卷积的三分支特征提取框架以及基于残差‑稠密‑注意力交互混合式特征重建框架；将测试集数据输入到练后轻量化深度神经网络种，基于残差‑稠密‑注意力交互混合式特征重建框架，用以对初步实现重建的特征进行更加深层次的特征重建，最终获得重建特征图，然后通过残差连接与转置卷积获得最终输出不同视觉任务下的图像。
-
公开(公告)号：CN115761467B
公开(公告)日：2025-05-27
申请号：CN202211456179.2
申请日：2022-11-21
Applicant: 大连海事大学
IPC: G06V20/05 , G06V10/82 , G06T5/10 , G06V10/46 , G06V10/80 , G06N3/08 , G06T5/73 , G06V10/774 , G06N3/0464
Abstract: 本发明提供一种基于高低频特征差分金字塔神经网络的水下目标检测方法，包括：获取水下图像数据，并对获取的水下图像数据进行预处理和小波变换操作，得到网络的输入数据；构造高低频双分支网络，对预处理和小波变换操作后的水下图像进行特征提取；分别抽取高低频双分支网络提取的特征中的4个中间特征层进行拼接以及残差减法的差分操作，构造双分支多尺度特征金字塔；对双分支多尺度特征金字塔进行特征融合，构造多尺度输出特征图，通过每个特征融合后的输出结果实现对水下图像不同尺度目标的检测。本发明的技术方案能够有效实现对水下目标的高精度、高速度的检测，同时实现对水下场景进行更有效的监控，节省时间和资金成本。
-
公开(公告)号：CN115388895B
公开(公告)日：2024-12-13
申请号：CN202211040049.0
申请日：2022-08-29
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于孪生神经网络的室内移动机器人全景视觉快速导航方法，其包括：利用装配全景成像设备的移动机器人采集室内环境全景图像，作为原始全景图像数据；根据原始全景图像数据的拍摄位置信息，对不同图像数据进行坐标值命名处理，并将带有坐标值命名处理的任意两张全景图像进行匹配，得到全景图像对；确定用于网络模型训练的训练集数据以及用于网络模型测试的测试集数据；构建面向室内移动机器人全景视觉导航的孪生神经网络模型；将匹配后的全景图像对输入孪生神经网络模型，在对网络模型进行训练与测试后，运行网络模型以控制移动机器人进行自主导航。本发明可有效实现移动机器人在室内环境中进行快速、精准的自主导航。
-
Patent Agency Ranking
公开(公告)号：CN117475322A
公开(公告)日：2024-01-30
申请号：CN202311498886.2
申请日：2023-11-10
Applicant: 大连海事大学
IPC: G06V20/13 , G06V10/26 , G06V10/774 , G06N3/0455 , G06V10/44 , G06V10/82 , G06N3/048 , G06N3/0499 , G06N3/0464 , G06N3/084
Abstract: 本发明一种面向遥感影像海陆分割的编‑解码联合式深度神经网络构建方法，包括如下步骤：步骤1：获取海陆遥感影像，构建遥感影像海陆分割数据集；并划分训练集和测试集；步骤2：构建面向遥感影像海陆分割的编‑解码联合式深度神经网络模型，步骤3，将训练集中的数据输入到面向遥感影像海陆分割的编‑解码联合式深度神经网络模型中进行学习训练，得到训练好的面向遥感影像海陆分割的编‑解码联合式深度神经网络模型；步骤4，将测试集数据输入到训练好的面向遥感影像海陆分割的编‑解码联合式深度神经网络模型中，得到遥感影像海陆分割结果，本申请的方法在保证网络计算复杂度极低的前提下，实现对复杂的遥感影像进行精准、高效的海陆分割任务。
-
公开(公告)号：CN117058530A
公开(公告)日：2023-11-14
申请号：CN202311033235.6
申请日：2023-08-16
Applicant: 大连海事大学
IPC: G06V20/05 , G06V10/20 , G06V10/40 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于跨尺度特征差异化融合的目标检测方法、电子装置、设备和存储介质，其包括：收集水面或水下相关图像数据得到网络的输入数据；使用ResNet101特征提取网络进行特征提取；设计新的跨尺度特征差异化融合模块；运用新的融合模块，将不同尺度的特征依次进行差异融合，构造多尺度输出；将构造的不同尺度的特征与特征提取网络的输出进行融合，构造特征金字塔；通过每个特征融合后的输出实现对不同尺度目标的检测。本发明的解决方案可以更加高效的实现对水面或水下的目标检测。最终通过训练好的模型，可以高效地将输入图片中的相关目标进行识别与标注。
-
公开(公告)号：CN116403099A
公开(公告)日：2023-07-07
申请号：CN202211612521.3
申请日：2022-12-14
Applicant: 大连海事大学
IPC: G06V20/05 , G06V10/20 , G06V10/82 , G06V10/80 , G06V10/764 , G06V10/766 , G06T3/40 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种基于多任务联合训练的低分辨率水下图像目标检测方法，包括如下步骤：获取包含期望水下目标的真实水下场景高分辨率图像，并针对所述图像数据中的所述期望水下目标进行标注；将获取的所述真实水下场景高分辨率图像进行模糊化处理；构建基于多任务联合训练的低分辨率水下图像的目标检测网络；所述目标检测网络为卷积神经网络；对所述目标检测网络进行超参数设置并对训练；待网络训练完毕后，运行训练后的目标检测网络，对待检测水下图像进行目标检测。本发明可有效实现对低分辨率水下图像数据进行精准检测、识别。
-
公开(公告)号：CN115914495A
公开(公告)日：2023-04-04
申请号：CN202211429583.0
申请日：2022-11-15
Applicant: 大连海事大学
IPC: H04N5/222 , G06T7/194 , G06V10/26 , G06V10/40 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08 , H04N5/272 , G10L15/06
Abstract: 本发明提供一种用于车载自动驾驶系统的目标与背景分离方法及装置，方法包括：构建红外镜像生成系统，所述红外镜像生成系统用于将输入图像进行像素的逐级提取，并将各级提取的红外辐射图像在物面叠加；基于所述红外镜像生成系统获取待处理红外景象生成数据；将所述红外景象生成数据输入训练后的语义分割模型进行语义特征提取，从而获取红外景象生成数据的语义分割特征；将所述语义分割特征输入训练后的前景背景判断模型景象前景提取，从而获得与所述红外景象生成数据对应的前景掩码，实现目标与背景分离。本发明能够在帧频范围内通过脉宽调试方法生成高灰度的红外景象，并基于预训练的神经网络模型实现目标前景的高效精确提取。
-
公开(公告)号：CN115761467A
公开(公告)日：2023-03-07
申请号：CN202211456179.2
申请日：2022-11-21
Applicant: 大连海事大学
IPC: G06V20/05 , G06V10/82 , G06T5/10 , G06V10/46 , G06V10/80 , G06N3/08 , G06T5/00 , G06V10/774 , G06N3/0464
Abstract: 本发明提供一种基于高低频特征差分金字塔神经网络的水下目标检测方法，包括：获取水下图像数据，并对获取的水下图像数据进行预处理和小波变换操作，得到网络的输入数据；构造高低频双分支网络，对预处理和小波变换操作后的水下图像进行特征提取；分别抽取高低频双分支网络提取的特征中的4个中间特征层进行拼接以及残差减法的差分操作，构造双分支多尺度特征金字塔；对双分支多尺度特征金字塔进行特征融合，构造多尺度输出特征图，通过每个特征融合后的输出结果实现对水下图像不同尺度目标的检测。本发明的技术方案能够有效实现对水下目标的高精度、高速度的检测，同时实现对水下场景进行更有效的监控，节省时间和资金成本。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.023 seconds)
