-
公开(公告)号：CN114943640A
公开(公告)日：2022-08-26
申请号：CN202210658171.8
申请日：2022-06-10
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司 , 杭州电子科技大学
Abstract: 本发明提出了一种基于GAN网络结构的两阶段瓷砖图像风格化方法，可快速实现对大尺寸瓷砖纹理图像的风格化。首先实现对纹理图像块与风格图像的生成。输入大尺寸瓷砖纹理图像和一系列风格样图，并将大尺寸瓷砖纹理图像进行全局分块，得到众多纹理图像块。同时将风格样图对应的特征向量进行加权融合，通过CAN网络生成风格图像。其次进行图像风格化操作。将前一阶段得到的纹理图像块和风格图像，依次通过AdaIN‑自编码GAN网络生成风格化图像块。对生成的图像块进行全局拼接，并进行水平、垂直、中心方向的接缝填补，形成最终的瓷砖风格化图像。该发明生成的瓷砖图像，风格效果较为突出，并且图像整体看上去较为自然，不存在明显的接缝，具有较好的视觉感受。
-
公开(公告)号：CN114943640B
公开(公告)日：2024-05-31
申请号：CN202210658171.8
申请日：2022-06-10
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司 , 杭州电子科技大学
IPC: G06T3/00 , G06T3/4007 , G06T3/4038 , G06T3/4046 , G06T7/40 , G06T5/50 , G06T7/10 , G06N3/0475 , G06N3/094
Abstract: 本发明提出了一种基于GAN网络结构的两阶段瓷砖图像风格化方法，可快速实现对大尺寸瓷砖纹理图像的风格化。首先实现对纹理图像块与风格图像的生成。输入大尺寸瓷砖纹理图像和一系列风格样图，并将大尺寸瓷砖纹理图像进行全局分块，得到众多纹理图像块。同时将风格样图对应的特征向量进行加权融合，通过CAN网络生成风格图像。其次进行图像风格化操作。将前一阶段得到的纹理图像块和风格图像，依次通过AdaIN‑自编码GAN网络生成风格化图像块。对生成的图像块进行全局拼接，并进行水平、垂直、中心方向的接缝填补，形成最终的瓷砖风格化图像。该发明生成的瓷砖图像，风格效果较为突出，并且图像整体看上去较为自然，不存在明显的接缝，具有较好的视觉感受。
-
公开(公告)号：CN114565526A
公开(公告)日：2022-05-31
申请号：CN202210167590.1
申请日：2022-02-23
Applicant: 杭州电子科技大学 , 杭州电子科技大学上虞科学与工程研究院有限公司
Abstract: 本发明提出了一种基于梯度方向和边缘引导的深度学习图像修复方法。采用边缘引导的修复方法的基础上，提出了增加梯度方向损失进行优化的方法。通过加入HOG特征中的梯度方向，相比于只利用了梯度大小即只考虑边缘的情况，可以更准确地还原出图像中的结构，例如汉字中含有的许多“横”和“竖”等笔画，本发明的结果不仅减少了修复中出现的扭曲情况，对于无意义的笔画也大大减少，能得到更加真实的图像修复结果，从视觉效果和定量分析结果来看，整体性能优于其它方法。
-
公开(公告)号：CN110111282A
公开(公告)日：2019-08-09
申请号：CN201910383006.4
申请日：2019-05-09
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司 , 杭州电子科技大学
Abstract: 本发明公开了一种基于运动矢量和CNN的视频去模糊方法，包括：S11.将待修复视频的所有视频帧分块处理，产生数个图像块；S12.将所述视频帧的数个图像块进行模糊检测，得到待修复的模糊图像块；S13.查找与所述待修复的模糊图像块的相邻帧所对应的清晰图像块；S14.将所述待修复的模糊图像块与所述清晰图像块输入到CNN去模糊网络中；S15.所述CNN去模糊网络产生去模糊结果；S16.完成待修复视频的去模糊。本发明实现了高效视频模糊修复的效果，不同于整个视频帧都进行去模糊，只对视频帧中的模糊部分进行修复。此外，本发明还利用CNN在计算机视觉处理方面的优势，得到清晰的视频修复结果。
-
公开(公告)号：CN114565526B
公开(公告)日：2024-07-23
申请号：CN202210167590.1
申请日：2022-02-23
Applicant: 杭州电子科技大学 , 杭州电子科技大学上虞科学与工程研究院有限公司
IPC: G06T5/77 , G06T5/60 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于梯度方向和边缘引导的深度学习图像修复方法。采用边缘引导的修复方法的基础上，提出了增加梯度方向损失进行优化的方法。通过加入HOG特征中的梯度方向，相比于只利用了梯度大小即只考虑边缘的情况，可以更准确地还原出图像中的结构，例如汉字中含有的许多“横”和“竖”等笔画，本发明的结果不仅减少了修复中出现的扭曲情况，对于无意义的笔画也大大减少，能得到更加真实的图像修复结果，从视觉效果和定量分析结果来看，整体性能优于其它方法。
-
Patent Agency Ranking
公开(公告)号：CN110119771B
公开(公告)日：2020-12-22
申请号：CN201910353892.6
申请日：2019-04-29
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司 , 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于组合特征和级联分类器的高压输电线路防震锤检测方法，包括步骤：S1、对待检测的图像进行预处理；S2、使用改进的归一化互相关匹配方法进行模板匹配，并在匹配的过程中缩放和旋转模板，得到防震锤疑似区域样本集；S3、提取所述防震锤疑似区域的组合特征；S4、使用级联分类器对所述防震锤疑似区域进行多级分类；S5、统计所述级联分类器的分类结果。本发明综合考虑了防震锤图像的对称性和灰度分布情况，并对防震锤进行了多尺度的检测，很好地平衡了检测准确率和误检率，同时能够高效准确地检测出高压输电线路上的防震锤。
-
公开(公告)号：CN110119771A
公开(公告)日：2019-08-13
申请号：CN201910353892.6
申请日：2019-04-29
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司 , 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于组合特征和级联分类器的高压输电线路防震锤检测方法，包括步骤：S1、对待检测的图像进行预处理；S2、使用改进的归一化互相关匹配方法进行模板匹配，并在匹配的过程中缩放和旋转模板，得到防震锤疑似区域样本集；S3、提取所述防震锤疑似区域的组合特征；S4、使用级联分类器对所述防震锤疑似区域进行多级分类；S5、统计所述级联分类器的分类结果。本发明综合考虑了防震锤图像的对称性和灰度分布情况，并对防震锤进行了多尺度的检测，很好地平衡了检测准确率和误检率，同时能够高效准确地检测出高压输电线路上的防震锤。
-
公开(公告)号：CN118644376A
公开(公告)日：2024-09-13
申请号：CN202410767150.9
申请日：2024-06-14
Applicant: 杭州电子科技大学 , 杭州电子科技大学上虞科学与工程研究院有限公司
Abstract: 本发明公开了一种基于添加面片的三维模型水印方法，该方法首先对添加的水印信息加入海明校验码，计算模型中各面片的面积，确定添加的含水印面片的面积。其次遍历确定的所有面片，得到两个嵌入水印的起始位置，嵌入两份相同的水印信息，得到嵌入水印后的三维模型。然后获取所有与其他面片之间没有共享顶点的面片，并按面积从小到大排序，依次判断是否为含水印面片，并提取水印信息。最后将提取到的水印信息经过海明码校验后判断水印信息是否提取正确，并且得到原始水印信息。本发明能够在模型受到任意平移、任意旋转、任意缩放、大幅度裁剪、添加大量顶点和面片攻击后正确提取水印。
-
公开(公告)号：CN110111282B
公开(公告)日：2021-05-11
申请号：CN201910383006.4
申请日：2019-05-09
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司 , 杭州电子科技大学
Abstract: 本发明公开了一种基于运动矢量和CNN的视频去模糊方法，包括：S11.将待修复视频的所有视频帧分块处理，产生数个图像块；S12.将所述视频帧的数个图像块进行模糊检测，得到待修复的模糊图像块；S13.查找与所述待修复的模糊图像块的相邻帧所对应的清晰图像块；S14.将所述待修复的模糊图像块与所述清晰图像块输入到CNN去模糊网络中；S15.所述CNN去模糊网络产生去模糊结果；S16.完成待修复视频的去模糊。本发明实现了高效视频模糊修复的效果，不同于整个视频帧都进行去模糊，只对视频帧中的模糊部分进行修复。此外，本发明还利用CNN在计算机视觉处理方面的优势，得到清晰的视频修复结果。
-
公开(公告)号：CN113052062A
公开(公告)日：2021-06-29
申请号：CN202110308444.1
申请日：2021-03-23
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司 , 杭州电子科技大学
IPC: G06K9/00 , G06N3/04 , G06N3/08 , G06K9/62 , G01M13/045
Abstract: 本发明提出了一种基于一维卷积神经网络轴承故障诊断方法。滚动轴承作为工业设备中的重要部件，对滚动轴承的健康状况进行监测和诊断是非常重要的。传统的滚动轴承故障诊断方法对轴承故障识别精度低，需要人工提取特征，泛化能力差。本发明提出的一维卷积神经网络(1D‑CNN)方法不仅能准确诊断轴承故障，而且克服了传统故障诊断方法的缺点。在本发明中，提出的卷积核的数目随卷积核大小减小而减少的网络结构，有效提高了滚动轴承故障检测的准确性。实验结果表明本发明所提出的1D‑CNN网络结构，在单一负载下平均准确率达到99.2％，在跨不同负载的平均准确率达到98.83％。与其他现有的相关工作比较，我们提出的方法具有较为优越的性能。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.027 seconds)
