-
公开(公告)号：CN114283280A
公开(公告)日：2022-04-05
申请号：CN202111469099.6
申请日：2021-12-03
Applicant: 常州大学
Abstract: 本发明涉及图像识别技术领域，尤其涉及一种基于改进卷积神经网络的水面漂浮垃圾识别方法，包括S1、对水面漂浮垃圾图像数据集进行扩充；S2、将ResNet50作为特征提取网络层，采用金字塔式锚框生成锚框，经Soft‑NMS筛选出疑似垃圾的多个目标候选框，ROI Pooling基于候选框映射的分类判别图来对目标进行分类和回归；S3、对改进后Faster RCNN网络进行模型训练；S4、对测试集进行测试。本发明在原始Faster RCNN上提出金字塔式锚框生成方式提升光照反射不均时检测准确率；针对目标尺寸占比太小，提出分类判别图提升小目标检测准确率，并采取Soft‑NMS，提升遮挡目标检测准确率。
-
公开(公告)号：CN118657939A
公开(公告)日：2024-09-17
申请号：CN202410669917.4
申请日：2024-05-28
Applicant: 常州大学
IPC: G06V10/26 , G06V10/82 , G06V10/44 , G06V10/46 , G06V10/764 , G06V10/80 , G06V20/70 , G06N3/0455 , G06N3/0464 , G06N3/08 , B25J9/16
Abstract: 本发明涉及图像分割领域，具体涉及一种用于水面清污机器人的水域岸边识别方法及清污方法。识别方法包括：搭建改进U‑Net网络，并训练，保存效果最好的模型；利用训练好的改进U‑Net网络识别水域岸边图片中的水域及岸边区域；其中，改进U‑Net网络包括编码器、跳跃连接层和解码器，所述跳跃连接层增加有GAB融合模块，所述GAB融合模块用于融合来自编码器相邻层输出的低级特征和高级特征及来自训练集的相应掩码，得到跳跃连接层输出，跳跃连接层输出连接到解码器的相应层。本发明能够准确分割出水域及岸边区域。
-
公开(公告)号：CN117496348A
公开(公告)日：2024-02-02
申请号：CN202311468585.5
申请日：2023-11-07
Applicant: 常州大学
IPC: G06V20/10 , G06V10/774 , G06V10/26 , G06V20/70 , G06V10/44 , G06V10/75 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及图像处理技术领域，具体涉及一种基于小样本学习的水面垃圾识别方法，方法包括：构建水面垃圾识别的训练集和测试集，训练集和测试集均包括支持集和查询集，支持集中的图像为标注图像，查询集内的图像为未标注图像；构建基于特征匹配和场景解析的小样本语义分割模型，模型包括特征提取网络、瓶颈层和多尺度解码器，瓶颈层包括匹配模块和场景解析模块；利用训练集对模型进行训练，保存训练效果最好的模型权重；加载训练效果最好的模型及其权重，输入测试集中的水面垃圾图像进行识别。本发明结合场景解析的方法，在标注样本较少的情况下，通过匹配实现较高精度的识别。
-
公开(公告)号：CN115601627A
公开(公告)日：2023-01-13
申请号：CN202211285444.5
申请日：2022-10-20
Applicant: 常州大学(CN)
Abstract: 本发明涉及图像处理技术领域，尤其涉及一种基于深度学习的水面垃圾识别方法，包括对水面垃圾识别数据集图片进行剪裁；将特征图与输入图通过残差连接相加后，得到抑制权重；输入图的每个通道分别与作差后的抑制权重逐元素相乘得到带权重的特征图；深层使用两个深度可分离卷积组成DSC模块，浅层使用Res模块；结合通道注意力机制的深度可分离卷积，得到一维的特征矢量，再使用一维卷积生成通道权重，最后将通道权重与原特征图相乘；编码器的Res模块和DSC模块后加入了ECA模块；解码器使用深度可分离卷积模块。本发明解决水面场景存在较多的反光、倒影等噪声干扰以及网络结构模型规模较大，占用存储空间大，消耗计算资源多的问题。
-
-
-
Search Results
4
records
(took 0.013 seconds)
