-
公开(公告)号：CN118781479B
公开(公告)日：2025-03-14
申请号：CN202410716377.0
申请日：2024-06-04
Applicant: 广东工业大学
IPC: G06V20/10 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于位置注意力和多尺度残差特征的遥感影像建筑物提取方法，涉及建筑物提取技术领域。本发明包括以下步骤：Step1：预处理遥感影像数据集，获取遥感影像数据集，根据得到的遥感影像数据集制作遥感影像样本标签，将RGB遥感影像数据集与对应的遥感影像单通道数字标签分别进行垂直翻转的数据增强操作。本发明通过遥感影像建筑物提取模型FCM‑Net构建的特征解码模块中使用跳跃连接和深度监督设计。跳跃连接将来自不同尺度特征图的高级语义和低级语义相结合，减少编码器和解码器之间的语义差距；深度监督设计为在特征解码模块的第0层的每一个输出块(X0,1、X0,2、X0,3和和X0,4)后添加1×1卷积和FPReLu激活函数，以缓解梯度消失问题，加快收敛速度。
-
公开(公告)号：CN118314053A
公开(公告)日：2024-07-09
申请号：CN202410741565.9
申请日：2024-06-11
Applicant: 广东工业大学
IPC: G06T5/73 , G06N3/0464 , G06N3/082 , G06T5/60
Abstract: 本发明公开了一种基于神经网络的对无人机巡检航拍图像去雾方法，属于图像处理领域，该方法包括以下步骤：基于无人机巡检航拍图像构建图像数据集；构建启发式感知去雾神经网络，基于图像数据集对启发式感知去雾神经网络进行训练得到训练好的启发式感知去雾神经网络；将待去雾处理的无人机巡检航拍图像输入训练好的启发式感知去雾神经网络进行处理得到无雾清晰航拍图像。本发明能够在去雾的同时尽可能地保留原始图像中的细节和纹理，给巡检工作人员对去雾图像的分析工作带来便利。
-
公开(公告)号：CN118314525B
公开(公告)日：2024-11-22
申请号：CN202410727107.X
申请日：2024-06-06
Applicant: 广东工业大学
IPC: G06V20/52 , G06V20/70 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/774 , G01J5/00 , G01J5/48 , G01R31/00 , H02J13/00
Abstract: 本发明属于设备状态检测技术领域，并公开了一种变电站设备状态检测方法，包括：获取待测变电站的设备红外图像，对所述设备红外图像中的各设备进行标注，得到带有边界框的设备红外图像，基于带有边界框的设备红外图像构建变电站设备红外图像数据集；将所述变电站设备红外图像数据集输入设备状态检测模型中进行分类预测，得到变电站设备状态信息；其中，所述设备状态检测模型由依次连接的多通道特征提取模块，加权空间金字塔池化模块和检测层构成。本发明所述技术方案能够自动化快速准确地判断变电站设备状态，解决了变电站设备状态检测效率低，漏判错判，时效性不足的问题。
-
公开(公告)号：CN118314532A
公开(公告)日：2024-07-09
申请号：CN202410741819.7
申请日：2024-06-11
Applicant: 广东工业大学
IPC: G06V20/52 , G06N3/045 , G06N3/0464 , G06N3/084 , G06V10/40 , G06V10/764 , G06V10/766 , G06V10/82
Abstract: 本发明公开了一种基于深度学习的变电站红外图像老鼠识别方法，属于深度学习技术领域，包括以下步骤：获取变电站内老鼠的红外图像数据集，并进行预处理；基于特征提取模块、空间金字塔池化结构以及多感知目标检测头，构建变电站红外图像老鼠检测算法；基于预处理后的红外图像数据集对所述变电站红外图像老鼠检测算法进行训练；将训练后的变电站红外图像老鼠检测算法部署在变电站的红外摄像头中，对变电站内老鼠进行实时监控和预警。本发明建立了易于训练的变电站红外图像老鼠目标检测网络，具有高准确率和高泛化性的特点，建模完成后可以部署在各个变电站场景中的红外摄像头内，并建立相对应的预警与监控系统，实现对老鼠目标的实时监控。
-
公开(公告)号：CN118469842B
公开(公告)日：2025-01-28
申请号：CN202410556401.9
申请日：2024-05-07
Applicant: 广东工业大学
IPC: G06T5/60 , G06T5/73 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06V10/80
Abstract: 本发明提供了一种基于生成对抗网络的遥感图像去雾方法，包括以下步骤：S1、构建用于训练的有雾遥感图像数据集；S2、搭建用于遥感图像去雾的注意力引导的残差融合对抗生成网络；S3、训练注意力引导的残差融合对抗生成网；S4、应用注意力引导的残差网络对有雾遥感图像去雾；本发明通过提取的底层细节特征与高层全局特征相结合，提升了去雾图像的精细度，采用了对抗网络思想，降低了网络的训练难度，适合遥感图像去雾这类图生图任务，能够更精准地感受出雾霾的浓度和大小，有效地处理了以往方法面对真实雾霾情形下雾霾分布浓度不均匀导致全局去雾效果不好的问题，能够尽可能的在去雾的同时保留原有细节和颜色。
-
Patent Agency Ranking
公开(公告)号：CN119169488A
公开(公告)日：2024-12-20
申请号：CN202411224092.1
申请日：2024-09-03
Applicant: 广东工业大学
IPC: G06V20/17 , G06V20/10 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于深度学习的雾霾场景输电线路多尺寸缺陷识别方法，涉及识别方法技术领域。本发明包括以下步骤：Step1：构建雾霾场景下的输电线路缺陷数据集；Step2：采用图像雾化算法对输电线路缺陷数据集进行数据预处理；Step3：构建一种雾霾场景下的输电线路缺陷识别算法，用于识别雾霾场景下输电线路的模糊缺陷目标和小尺寸缺陷目标；Step4：在步骤Step3中构建的输电线路缺陷识别算法基础上进行算法训练和验证。本发明通过在采集输电线路缺陷数据集后，对图像数据进行加雾的数据预处理，模拟雾霾场景下的输电线路缺陷数据。
-
公开(公告)号：CN118314532B
公开(公告)日：2024-08-27
申请号：CN202410741819.7
申请日：2024-06-11
Applicant: 广东工业大学
IPC: G06V20/52 , G06N3/045 , G06N3/0464 , G06N3/084 , G06V10/40 , G06V10/764 , G06V10/766 , G06V10/82
Abstract: 本发明公开了一种基于深度学习的变电站红外图像老鼠识别方法，属于深度学习技术领域，包括以下步骤：获取变电站内老鼠的红外图像数据集，并进行预处理；基于特征提取模块、空间金字塔池化结构以及多感知目标检测头，构建变电站红外图像老鼠检测算法；基于预处理后的红外图像数据集对所述变电站红外图像老鼠检测算法进行训练；将训练后的变电站红外图像老鼠检测算法部署在变电站的红外摄像头中，对变电站内老鼠进行实时监控和预警。本发明建立了易于训练的变电站红外图像老鼠目标检测网络，具有高准确率和高泛化性的特点，建模完成后可以部署在各个变电站场景中的红外摄像头内，并建立相对应的预警与监控系统，实现对老鼠目标的实时监控。
-
公开(公告)号：CN119723332A
公开(公告)日：2025-03-28
申请号：CN202411770154.9
申请日：2024-12-04
Applicant: 广东工业大学
IPC: G06V20/10 , G06V10/26 , G06V10/44 , G06V10/52 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开一种遥感图像地表水体提取方法和装置、系统、存储介质，包括：步骤S1、获取遥感地表水体数据集；步骤S2、根据遥感地表水体数据集，构建遥感地表水体提取网络RSWE‑Net；步骤S3、划分遥感地表水体数据集，得到训练集和测试集；步骤S4、根据训练集训练遥感地表水体提取网络RSWE‑Net；步骤S5、将测试集输入到训练好的遥感地表水体提取网络RSWE‑Net中，提取遥感图像中的地表水体。采用本发明的技术方案，提高水体提取的准确性。
-
公开(公告)号：CN119169488B
公开(公告)日：2025-03-21
申请号：CN202411224092.1
申请日：2024-09-03
Applicant: 广东工业大学
IPC: G06V20/17 , G06V20/10 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于深度学习的雾霾场景输电线路多尺寸缺陷识别方法，涉及识别方法技术领域。本发明包括以下步骤：Step1：构建雾霾场景下的输电线路缺陷数据集；Step2：采用图像雾化算法对输电线路缺陷数据集进行数据预处理；Step3：构建一种雾霾场景下的输电线路缺陷识别算法，用于识别雾霾场景下输电线路的模糊缺陷目标和小尺寸缺陷目标；Step4：在步骤Step3中构建的输电线路缺陷识别算法基础上进行算法训练和验证。本发明通过在采集输电线路缺陷数据集后，对图像数据进行加雾的数据预处理，模拟雾霾场景下的输电线路缺陷数据。
-
公开(公告)号：CN118314053B
公开(公告)日：2024-10-15
申请号：CN202410741565.9
申请日：2024-06-11
Applicant: 广东工业大学
IPC: G06T5/73 , G06N3/0464 , G06N3/082 , G06T5/60
Abstract: 本发明公开了一种基于神经网络的对无人机巡检航拍图像去雾方法，属于图像处理领域，该方法包括以下步骤：基于无人机巡检航拍图像构建图像数据集；构建启发式感知去雾神经网络，基于图像数据集对启发式感知去雾神经网络进行训练得到训练好的启发式感知去雾神经网络；将待去雾处理的无人机巡检航拍图像输入训练好的启发式感知去雾神经网络进行处理得到无雾清晰航拍图像。本发明能够在去雾的同时尽可能地保留原始图像中的细节和纹理，给巡检工作人员对去雾图像的分析工作带来便利。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.02 seconds)
