公开(公告)号：CN116740479A

公开(公告)日：2023-09-12

申请号：CN202310743306.5

申请日：2023-06-21

Applicant: 安徽理工大学

Inventor： 夏晨星 ,  陈欣雨 ,  高修菊 ,  葛斌 ,  吴涛林 ,  张梦格 ,  高梦亚

IPC: G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/045 ,  G06N3/09

Abstract: 本发明公开了一种基于立体注意力的多尺度上下文与多层级特征交互的伪装目标检测方法，包括主干网络、多尺度上下文探索模块(MCE)、多层级特征交互模块(MFI)以及立体注意力增强模块(SAE)。主干网络提取输入图像的多级特征fi(i＝1,2,3,4)；多尺度上下文探索模块(MCE)通过多感受野卷积操作渐进式捕捉强相关的多尺度特征；多层级特征交互模块(MFI)通过混合交互策略自适应聚合多层级特征，以生成强大的特征表示；立体注意力增强模块(SAE)对聚合后的特征自适应分配权重，以过滤不重要信息。值得一提的是，本发明不仅提升了伪装目标检测方法性能，还在显著性目标检测领域取得了较大进展。

公开(公告)号：CN117495657A

公开(公告)日：2024-02-02

申请号：CN202311379370.6

申请日：2023-10-24

Applicant: 安徽理工大学

Inventor： 葛斌 ,  胡振山 ,  夏晨星 ,  裴佳佳 ,  吴涛林 ,  陆一鸣 ,  曹慧贞

IPC: G06T3/04 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明属于计算机视觉领域，具体为种基于自注意力机制与二阶统计融合的域匹配风格迁移方法，包括以下步骤：1)利用VGG19网络作为编码器Encoder，Encoder分别捕获内容图像以及风格图像的多层次特征。2)使用self‑attention机制对编码后的风格图像以及内容图像的数据进行处理，使其关注到局部重要区域以及更大的内容范围，得到注意力矩阵。3)将编码后的风格图像与注意力矩阵进行结合计算加权平均，得到注意力特征图，然后计算其协方差。4)协方差含有更加丰富的特征，相对于一阶统计而言，具有更大的优势，利用计算的协方差进行风格迁移。5)使用和Encoder对称的解码器Decoder对迁移后的数据进行处理，构造目标图像。6)结合self‑attention机制，利用快速排序的方法进行精确的经验累积分布图匹配，构造出一个新的损失函数。同时配合使用普通的风格损失。本发明采用了自注意力机制与二阶统计融合的特征分布匹配算法，解决了风格迁移后出现残影、风格迁移效果差等问题，提升了生成图像与风格图像风格的相似度。

公开(公告)号：CN117523221A

公开(公告)日：2024-02-06

申请号：CN202311348228.5

申请日：2023-10-17

Applicant: 安徽理工大学

Inventor： 夏晨星 ,  王慧玲 ,  高修菊 ,  葛斌 ,  吴涛林 ,  陈欣雨

IPC: G06V10/44 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/86

Abstract: 本发明涉及一种边缘引导增强的伪装目标检测，由于目前的伪装物体变的十分的复杂，背景与前景高度相似，伴随着弱边界，低对比度，边界损坏或者身体轮廓伪装，现有方法不能完全识别物体的结构和细节，因此现有算法检测伪装目标的能力有待提高。因此提出了边缘引导增强的伪装目标检测。包括主干网络用来提取特征，边缘增强块(EEB)，边缘指导模块(EGM)以及跨级别融合模块(CLFM)。将主干网络提取的特征分别输入到边缘增强模块和边缘指导模块，边缘增强模块获得的边缘预测图输入到边缘指导模块，由边缘指导模块输出的特征输入到跨级别融合模块进行多尺度的特征融合。实验结果表明具有更高的边缘检测性能。

公开(公告)号：CN114749854A

公开(公告)日：2022-07-15

申请号：CN202210527620.5

申请日：2022-05-16

Applicant: 安徽理工大学

Inventor： 吴涛林 ,  裴佳佳

IPC: B23K37/04 ,  B23K37/00 ,  B08B15/04

Abstract: 本发明公开了一种计算机零件维修用焊接加工设备，涉及计算机零件维修技术领域。本发明包括支撑架和工作台，所述工作台上方可拆卸连接有连接组件；所述连接组件包括连接板A、连接板B、螺纹杆、螺纹套、固定块和固定架A，所述工作台上方焊接有固定架A，所述固定架A上方焊接有连接板B，所述连接板B一侧可拆卸连接有螺纹杆。本发明通过设置的连接组件、电机B、转轴B、丝杆B、丝杆套B、固定杆、固定架A和固定架B，解决了现有的计算机零件维修用焊接加工设备在使用时，不便对计算机零件进行固定，焊接时计算机零件容易晃动，同时不便对两个需要焊接的计算机零件进行拼接的问题。

公开(公告)号：CN117011618A

公开(公告)日：2023-11-07

申请号：CN202310410272.8

申请日：2023-04-18

Applicant: 安徽理工大学

Inventor： 葛斌 ,  裴佳佳 ,  夏晨星 ,  吴涛林

IPC: G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06V10/774

Abstract: 本发明属于计算机视觉领域，提供了基于多尺度特征双流聚合的显著性目标检测方法。包括一下步骤：首先，将预训练好的ResNet‑50网络作为主干网络用于提取初始多层次特征；随后，将特征输入残差上下文提取模块通过一系列卷积操作增加显著性信息；之后通过密集连接采用两种交互方式双流聚合多尺度特征，实现特征信息的交互。最后将生成的特征表示进行降维激活，生成初始显著性图，并利用真值标签进行深度监督训练。

公开(公告)号：CN116363383A

公开(公告)日：2023-06-30

申请号：CN202310316598.4

申请日：2023-03-29

Applicant: 安徽理工大学

Inventor： 葛斌 ,  吴涛林 ,  裴佳佳

IPC: G06V10/44 ,  G06V10/30 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V20/00 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于边缘信息引导的伪装目标检测方法，包括主干网络、边缘特征提取模块(EFE)、双分支特征增强模块(DBFE)以及上下文特征聚合模块(CFA)。主干网络提取输入伪装图像的多级特征fi(i＝1,2,…5)；边缘特征提取模块(EFE)通过具有边缘细节线索的低层特征和具有丰富语义信息的高层特征对目标边缘进行显式建模，充分提取伪装目标的边缘特征；双分支特征增强模块(DBFE)将多级特征fi(i＝2,3,4,5)与EFE提取的边缘特征fe进行特征融合，DBFE拥有一个并行的双分支结构，其中全局分支用以提取全局上下文信息强调大目标的全局贡献，局部分支用以挖掘丰富的局部低级线索增强小目标的原始特征，防止小目标的原始特征在特征传播过程中被逐渐稀释；上下文特征聚合模块(CFA)自顶向下逐步聚合多尺度上下文信息，实现低分辨率—高语义与高分辨率—低语义等不同尺度特征的特征交互，最终得到具有精细边缘和完整区域的预测图像。本发明由于额外考虑了伪装目标的边缘线索并对小目标进行特征增强，能进一步提高对伪装目标的检测能力，拓展本发明的使用场景。