-
公开(公告)号:CN114004737A
公开(公告)日:2022-02-01
申请号:CN202111250755.3
申请日:2021-10-26
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于语义分割的风景图像风格转移方法,该方法提高了风格转移过程中出现的语义内容不匹配、误匹配等缺陷,解决了不同场景语义匹配准确度问题。根据风格转移理论,设计了语义分割方法,使用空洞卷积金字塔池化操作得出特征映射,编码‑解码器得出语义分割结果,语义‑风格拼接网络得出风格转移后的目标图像。实验结果表明,本方法对风格转移效果较好,对内容图像的影响较小,具有较好的视觉效果。
-
公开(公告)号:CN113134663A
公开(公告)日:2021-07-20
申请号:CN202110295715.4
申请日:2021-03-19
Applicant: 桂林理工大学
Abstract: 本发明公开了一种激光成像的二值图像预处理的焊缝跟踪方法。运用开运算去噪点方法,再进行OSTU算法取得图像二值化阈值,生成二值图像。对相机所获得的激光结构光照片进行编程运算,得到结构光二值图像,并进一步对该图像进行腐蚀和膨胀运算去噪,得到焊缝准确数据。增强V形焊缝图像中的激光器成像特征,进一步提高了运用运用激光视觉三角测量办法的识别准确度,以及过程中焊缝跟踪的精度,误差可控制在0.5mm内。
-
-
-
公开(公告)号:CN115496901A
公开(公告)日:2022-12-20
申请号:CN202211140004.0
申请日:2022-09-19
Applicant: 桂林理工大学
Abstract: 针对陶瓷晶粒两种形状分割不够准确的问题,本发明提出了一种基于改进感受野模块(RFB)的深度神经卷积网络,以提高陶瓷晶粒形状分割的准确性。首先,将原始模块分支中的5×5卷积换成了一个1×3和一个3×1的卷积,并在原始模块上又增加了一个分支,扩大空洞卷积率,提高了特征提取能力。其次,利用金字塔池化模块(PPM)聚合不同区域的上下文信息,从而获得更加可靠的分割结果。最后,将RFB模块和PPM模块集成到U‑Net网络上,构成RFB U‑Net。实验证明,与其他网络相比,本发明使用的方法实现了更高的分割精度,对陶瓷晶粒两种形状的分割也更加精确。
-
公开(公告)号:CN115359318A
公开(公告)日:2022-11-18
申请号:CN202211013474.0
申请日:2022-08-23
Applicant: 桂林理工大学
IPC: G06V10/774 , G06N3/04 , G06N3/08 , G06V10/82
Abstract: 本发明公开了一种基于双注意力机制的稀疏剪枝方法,该方法在保证性能精度较好的条件下高效压缩网络模型大小和参数量。根据空间注意力和通道注意力理论,融合通道注意力和空间注意力机制模块筛选注意力位于网络模型中最佳结构,随后根据网络中不同权重所对应的掩码来选择性保留和剔除相对应权重,通过掩码矩阵来更新和完成剪枝操作,同时根据神经网络总体空间损失实时更新掩码矩阵和权重矩阵。通过Pytorch深度学习框架来不断更新网络权重,并根据掩码矩阵对神经网络进行剪枝操作。实验结果表明本方法在对公共数据集进行性能测试时识别准确率较高,并且网络中剔除了较多冗余参数,使得网络模型得到有效压缩。
-
公开(公告)号:CN113066035A
公开(公告)日:2021-07-02
申请号:CN202110294922.8
申请日:2021-03-19
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于双线性插值和小波变换的图像质量增强方法。算法首先对图像进行直方图均衡化和双线性插值增强,以保持较好的细节质量,然后对直方图均衡后的图像和原始图像进行小波变换,将每个输入图像分成4个子带,估计出低频子带图像的奇异值矩阵,然后通过小波重构对图像进行增强,最后对结果图像和双线性插值图像进行直方图匹配,得到增强图像图像。该方法能够很好的增强图像。
-
公开(公告)号:CN109621100A
公开(公告)日:2019-04-16
申请号:CN201811541024.2
申请日:2018-12-17
Applicant: 桂林理工大学
IPC: A61M5/44
CPC classification number: A61M5/44 , A61M2205/3368 , A61M2205/36
Abstract: 本发明公开了一种光能发电点滴加热装置。它包括加热系统、温控系统、供电系统、充电系统和保温系统。该点滴加热保温装置轻巧,便于移动,节能环保,充分利用光能太阳能,提高能源利用率。
-
公开(公告)号:CN105597275A
公开(公告)日:2016-05-25
申请号:CN201510951305.5
申请日:2015-12-19
Applicant: 桂林理工大学
CPC classification number: A63B23/0458 , A63B23/02 , A63B71/0669
Abstract: 本发明公开了一种气缸式健身器。该健身器包括底座、主机、仪表盘和扶手;底座与主机联接;主机由左气缸、左脚蹬、右气缸、右脚蹬和流量阀组成,其中,左气缸活塞杆与左脚蹬联接,右气缸活塞杆与右脚蹬联接,流量阀两端与左气缸和右气缸联接;仪表盘通过电路与主机联接;扶手与仪表盘联接;通过调节流量阀的阀门大小,改变健身运动强度,以适用不同体力阶层的健身运动。本发明适合家庭、健身房等场所,老少及体强弱者均可使用,易于组织标准化大规模生产。
-
公开(公告)号:CN115496902A
公开(公告)日:2022-12-20
申请号:CN202211140005.5
申请日:2022-09-19
Applicant: 桂林理工大学
Abstract: 为了更有效地检测出在糖尿病视网膜上发生的微动脉瘤病变,本发明提出了一种基于改进的密集空洞卷积模块的上下文编码网络,通过对糖尿病视网膜病变图片的特征进行提取,提高微动脉瘤检测的准确性。改进的密集空洞卷积模块是将开始的分支从网络中删除,并新加入一个包含更多空洞卷积块的分支,使空洞卷积率r依次递增,感受野也随着r的增加而增加。该网络能够提取不同尺寸的特征,将糖尿病视网膜图片的微动脉瘤病变分割出来。实验是在印度糖尿病视网膜病变图像数据集(IDRID)上进行的。实验结果表明,与许多先进方法相比,本发明方法实现了更小的误差和更高的分割精度。
-
-
-
-
-
-
-
-
-