一种基于Transformer和CNN的双分支网络的图像分割方法及系统

    公开(公告)号:CN117710381A

    公开(公告)日:2024-03-15

    申请号:CN202311697900.1

    申请日:2023-12-11

    Applicant: 无锡学院

    Abstract: 本发明公开了一种基于Transformer和CNN的双分支网络的图像分割方法及系统,方法包括以下步骤:获取芯片X光图像,并对芯片X光图像进行预处理;建立交互式双分支网络模型,所述交互式双分支网络模型由CNN分支网络、PVTv2模型、融合模块,CNN分支网络、Transformer分支网络的输出端分别连接有语义分割头和辅助分割头;其中,CNN分支网络由通道压缩的Resnet18模型为基础框架,Resnet18模型包括第一残差模块‑第四残差模块,第一残差模块包括Stem模块和两个残差块Res block,第二残差模块‑第四残差模块均包括最大池化层和两个残差块Res block。本发明建立基于Transformer分支网络和CNN分支网络的交互式双分支网络模型,从输入端开始建立图像全局和局部之间的信息交流,提升芯片X光图像的分割精度。

    一种基于深度学习的合成雷达图像去噪方法

    公开(公告)号:CN115689958A

    公开(公告)日:2023-02-03

    申请号:CN202211094315.8

    申请日:2022-09-08

    Applicant: 无锡学院

    Abstract: 本发明公开了一种基于深度学习的合成雷达图像去噪方法,包括步骤如下:S1,对初始噪声图像进行预处理;S2,将预处理后的图像输入到构建的MALNet模型中,对图像特征进行处理;S3,将处理后的图像特征通过Sigmod激活函数,转化为0‑1的浮点数信息后,与初始噪声图像相减,完成图像重建;S4,将重建的图像与初始未加噪的图像对比,通过Loss函数进行计算损失值,并通过反向传播,来对MALNet模型的权重参数进行Adam优化,最后保存训练好的MALNet模型参数。本发明具有很好鲁棒性,使网络结构在控制降噪与细节权衡上做到了良好的平衡。

    一种管道检测机器人
    4.
    实用新型

    公开(公告)号:CN216666902U

    公开(公告)日:2022-06-03

    申请号:CN202123391862.6

    申请日:2021-12-30

    Applicant: 无锡学院

    Abstract: 本实用新型公开了一种管道检测机器人,属于管道检测技术领域,包括壳体,壳体上设置有三个固定部和三个移动部,固定部和移动部交替设置,固定部和移动部远离壳体的一端均连接有接触爪;不需要人员加入管道,节省人力,可以对管道内壁进行实时拍照抓取,障碍物探测,管道裂纹检测;本装置可以进入垂直管道,实现机器人攀爬,应用范围更广;并可以进入狭窄的空间管道。

Patent Agency Ranking