-
公开(公告)号：CN115937407A
公开(公告)日：2023-04-07
申请号：CN202211247066.1
申请日：2022-10-12
Applicant: 广东工业大学
IPC: G06T17/00 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及三维图像重建技术领域，更具体地说，它涉及一种基于坐标注意力机制和Unet的三维图像重建方法及系统，其技术方案要点是，包括以下步骤：S1、基于坐标注意力机制和Unet提供三维图像重建系统；S2、在所述三维图像重建系统上，根据深度学习三维图像重建方法获取目标的三维几何图像。本发明具有提高三维图像重建效率、提高了复杂不规则物体建模精度的优点。
-
Patent Agency Ranking
公开(公告)号：CN115829983B
公开(公告)日：2024-05-03
申请号：CN202211601732.7
申请日：2022-12-13
Applicant: 广东工业大学
Abstract: 本发明涉及视觉检测技术领域，更具体地说，它涉及一种基于知识蒸馏的高速工业场景视觉质量检测方法，其技术方案要点是，包括以下步骤：S1、拍摄具有缺陷的产品图像，对所述图像进行处理以获得数据集；S2、构建教师网络模型，训练所述教师网络模型，获得第二教师网络模型训练参数Θt；S3、构建学生网络模型，基于所述第二教师网络模型训练参数Θt训练所述学生网络模型，获得第二学生网络模型训练参数Θs；S4、待检测目标图像输入所述学生网络模型，所述学生网络模型基于所述第二学生网络模型训练参数Θs和所述第二教师网络模型训练参数Θt输出所述待检测目标图像的检测结果。本发明既提高了视觉质量检测的准确性，又保持了较高的实时性能。
-
公开(公告)号：CN117115583B
公开(公告)日：2024-04-02
申请号：CN202310995063.4
申请日：2023-08-09
Applicant: 广东工业大学
IPC: G06V10/774 , G06V10/80 , G06V10/82 , G06V10/44 , G06V10/26 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于交叉融合注意力机制的危险品检测方法，包括：获取太赫兹图像，所述太赫兹图像包括：训练图像和测试图像；构建深度学习网络模型，所述深度学习网络模型包括：backbone特征提取网络、neck特征提取网路、高效融合模块、交叉融合自注意力和YoloHead检测头；基于所述训练图像训练所述深度学习网络模型，得到训练好的深度学习网络模型将所述测试图像输入至训练好的深度学习网络模型中，输出危险品检测结果。本发明引入了高效融合模块和交叉融合自注意力，能够有效利用太赫兹图像中的特征信息，提高危险品目标的检测准确性和鲁棒性，同时轻量化原始检测网络，降低网络的复杂度，提高计算效率。
-
公开(公告)号：CN117115583A
公开(公告)日：2023-11-24
申请号：CN202310995063.4
申请日：2023-08-09
Applicant: 广东工业大学
IPC: G06V10/774 , G06V10/80 , G06V10/82 , G06V10/44 , G06V10/26 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于交叉融合注意力机制的危险品检测方法，包括：获取太赫兹图像，所述太赫兹图像包括：训练图像和测试图像；构建深度学习网络模型，所述深度学习网络模型包括：backbone特征提取网络、neck特征提取网路、高效融合模块、交叉融合自注意力和YoloHead检测头；基于所述训练图像训练所述深度学习网络模型，得到训练好的深度学习网络模型将所述测试图像输入至训练好的深度学习网络模型中，输出危险品检测结果。本发明引入了高效融合模块和交叉融合自注意力，能够有效利用太赫兹图像中的特征信息，提高危险品目标的检测准确性和鲁棒性，同时轻量化原始检测网络，降低网络的复杂度，提高计算效率。
-
公开(公告)号：CN115829983A
公开(公告)日：2023-03-21
申请号：CN202211601732.7
申请日：2022-12-13
Applicant: 广东工业大学
Abstract: 本发明涉及视觉检测技术领域，更具体地说，它涉及一种基于知识蒸馏的高速工业场景视觉质量检测方法，其技术方案要点是，包括以下步骤：S1、拍摄具有缺陷的产品图像，对所述图像进行处理以获得数据集；S2、构建教师网络模型，训练所述教师网络模型，获得第二教师网络模型训练参数Θt；S3、构建学生网络模型，基于所述第二教师网络模型训练参数Θt训练所述学生网络模型，获得第二学生网络模型训练参数Θs；S4、待检测目标图像输入所述学生网络模型，所述学生网络模型基于所述第二学生网络模型训练参数Θs和所述第二教师网络模型训练参数Θt输出所述待检测目标图像的检测结果。本发明既提高了视觉质量检测的准确性，又保持了较高的实时性能。
-
公开(公告)号：CN202072949U
公开(公告)日：2011-12-14
申请号：CN201120080672.X
申请日：2011-03-24
Applicant: 广东工业大学
Abstract: 本实用新型是一种健身式洗衣机。包括有传送带、内壳、电机、飞轮、卷带结构、带轮、内滚动风叶结构、外壳，其中内壳装设在外壳内，电机置于内壳内，电机的输出轴上装设有飞轮、带轮及内滚动风叶结构，且带轮与飞轮连接，传送带的一端露置于内壳的外侧，传送带的另一端绕在带轮上，并与卷带结构连接。本实用新型由于采用既可以全人力手动洗衣，也可以全电力自动洗衣，也就是可以从人力和电力之间进行切换的结构，本实用新型解决了锻炼身体和洗衣服的问题，也就是在锻炼身体的过程中就能把衣服洗干净，能达到锻炼身体和锻炼手臂的力量的效果。本实用新型完美的将健身运动和家务劳动结合，是一种具有两种洗衣模式，方便实用的健身式洗衣机。
-
-
-
-
-
Search Results
6
records
(took 0.029 seconds)
