-
公开(公告)号：CN114648457B
公开(公告)日：2025-03-21
申请号：CN202210272822.X
申请日：2022-03-18
Applicant: 中铁大桥局集团有限公司 , 中铁大桥科学研究院有限公司 , 武汉工程大学
IPC: G06T5/92 , G06N3/0464 , G06N3/08 , G06T5/60
Abstract: 本发明提供一种图像增强方法、装置、设备及可读存储介质，图像增强方法包括：对每张低光照图像分别进行光照增强处理；以每张低光照图像和其对应的初步光照增强图像以及正常光照图像作为一个训练图像对；使用多个训练图像对交替训练增强生成器网络、降质生成器网络、增强判别器网络和降质判别器网络，得到训练好的增强生成器网络。通过本发明，将低光照图像进行初步光照增强，在增强生成器网络的基础上增加了降质生成器网络，将正常光照图像进行反向的降质学习训练，由于判别器和生成器之间的互斥，使得增强的图像和降质的图像都与对应的真实光照图像越来越相似，通过本发明，可以生成更高质量的正常光照图像。
-
公开(公告)号：CN118333878B
公开(公告)日：2025-03-04
申请号：CN202410400553.X
申请日：2024-04-03
Applicant: 武汉工程大学
IPC: G06T5/50 , G06T5/77 , G06T5/60 , G06T5/73 , G06N3/0464
Abstract: 本发明提供一种图像大气湍流消除方法及系统，涉及图像处理技术领域。方法包括；搭建光场成像装置并采集目标物体的目标图像；搭建湍流模拟场景，在湍流模拟场景中采集目标物体的湍流图像和波前信息；构建湍流图像重建网络，并对湍流图像重建网络进行训练，构建总损失函数，通过总损失函数对训练后湍流图像重建网络进行优化，得到优化湍流图像重建网络；通过优化湍流图像重建网络对待重建湍流图像进行重建，得到重建目标图像。通过构建的湍流图像重建网络学习湍流图像与对应目标图像的映射关系，联合波前信息进行网络优化，校正湍流图像的波前像差来重建出目标图像。
-
公开(公告)号：CN115017511B
公开(公告)日：2025-01-10
申请号：CN202210469716.0
申请日：2022-04-28
Applicant: 武汉工程大学 , 武汉引行科技有限公司
IPC: G06F21/57 , G06F21/56 , G06F18/214 , G06F8/41 , G06N3/042 , G06N3/0464 , G06N3/0442 , G06N3/084
Abstract: 本发明提供一种源代码漏洞检测方法、装置以及存储介质，属于代码检测技术领域，方法包括：S1：分别对各个原始源代码数据的数据预处理得到预处理后源代码数据；S2：按照预设比例对多个预处理后源代码数据的划分得到训练集，验证集和测试集；S3：对训练集的代码图编码得到多个代码图数据；S4：根据多个代码图数据、验证集和测试集对训练模型的模型分析得到检测模型；S5：通过检测模型对待检测源代码数据的检测分析得到检测结果。本发明实现了函数级的自动代码漏洞检测，能在源代码中快速、高效地完成代码漏洞检测任务，解决了代码静态分析工具进行漏洞检测上存在的误报率高、漏报率高的技术问题。
-
公开(公告)号：CN114612755B
公开(公告)日：2024-12-10
申请号：CN202210162383.7
申请日：2022-02-22
Applicant: 武汉工程大学
IPC: G06V10/52 , G06V10/80 , G06V10/25 , G06V10/54 , G06V10/56 , G06V10/764 , G06V10/766 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/045
Abstract: 本申请涉及一种火灾检测方法、系统、电子设备和可读存储介质，属于计算机视觉技术领域。该方法包括获取待检测图像；对所述待检测图像进行特征提取，得到多个不同尺度的深层特征图；根据多个所述深层特征图，确定所述待检测图像的类别和火灾事故在所述待检测图像中的位置，所述类别包括存在火灾事故或不存在火灾事故。本申请可以高效率地检测出待检测图像中是否有火灾，以及火灾的位置信息，和人工监测火灾相比，本申请的准确性高、及时性强、人力成本更少，利用待检测图像的深层特征图进行评判，更够更好地利用待检测图像所包含的信息，使得检测过程更加智能化。
-
公开(公告)号：CN112069983B
公开(公告)日：2024-03-26
申请号：CN202010917093.X
申请日：2020-09-03
Applicant: 武汉工程大学
IPC: G06V40/10 , G06V10/80 , G06V10/774 , G06V10/84 , G06V20/52 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多任务特征融合共享学习的低光照行人检测方法及系统，获取正常、低光照行人数据集；利用正常、低光照行人数据集对图像光照增强网络进行预训练；利用正常光照行人数据集对行人检测网络进行预训练；设计能够融合上下游任务之间特征的多任务特征融合模块，对两个网络进行特征融合与共享，构建多任务特征融合共享学习的低光照行人检测网络；将两个预训练模型导入低光照行人检测网络，并利用正常、低光照数据集进行训练，得到多任务特征融合共享学习的低光照行人检测模型；利用多任务特征融合共享学习的低光照行人检测模型对被检测图像进行检测，得到图像中行人的位置。本发明能够准确、高效的在低光照的图像中检测出行人的位置。
-
Patent Agency Ranking
公开(公告)号：CN117611443A
公开(公告)日：2024-02-27
申请号：CN202311409592.8
申请日：2023-10-27
Applicant: 武汉工程大学
IPC: G06T3/4053 , G06V20/62 , G06V10/80 , G06V10/44
Abstract: 本发明涉及一种车牌超分辨率重建方法及系统，方法包括：获取样本车牌图像对应的低分辨率车牌图；提取低分辨率车牌图的浅层特征，获得浅层车牌特征图；提取浅层车牌特征图的精细特征，获得精细车牌特征图；提取浅层车牌特征图的边缘轮廓信息，获得边缘信息特征图；将精细车牌特征图和边缘信息特征图进行特征融合，获得融合车牌特征图；将融合车牌特征图进行卷积操作，获得高分辨率车牌图。解决了利用传统方法对低分辨率车牌图像进行超分辨率重建时，相较于只有英文和数字的车牌，中文车牌在重建时图像容易失真，使得重建后的高分辨率中文车牌信息与原始车牌信息的差异较大，导致重建后的高分辨率中文车牌的准确性较低的问题。
-
公开(公告)号：CN112750082B
公开(公告)日：2023-05-16
申请号：CN202110081811.9
申请日：2021-01-21
Applicant: 武汉工程大学 , 武汉烽火技术服务有限公司
IPC: G06T3/40 , G06V40/16 , G06V10/774 , G06V10/80 , G06V10/77
Abstract: 本发明公开了一种基于融合注意力机制的人脸超分辨率方法及系统，属于人脸图像超分辨率领域，该方法包括：将高分辨率人脸图像下采样至目标低分辨率人脸图像后，进行分块操作，分出相互重叠的图像块后，使用浅层特征提取器提取浅层特征；融合像素、通道和空间三重注意力模块的特征，增强重建的人脸面部结构细节；构建融合注意力网络作为深层特征提取器，将浅层的面部特征输入融合注意力网络获得深层特征，融合注意力网络包含若干融合注意力组，各融合注意力组包括若干融合注意力块；将深层特征图进行上采样，将上采样后的人脸特征图重建成目标的高分辨率人脸图像。本发明优于其他最新的人脸图像超分辨率算法，能生成更高质量的人脸高分辨率图像。
-
公开(公告)号：CN115830537A
公开(公告)日：2023-03-21
申请号：CN202211513518.6
申请日：2022-11-29
Applicant: 武汉工程大学
IPC: G06V20/52 , G06V10/82 , G06V10/774 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种人群计数方法，方法包括以下步骤：获取人群计数数据集，对数据集中的人群图像进行预处理，得到预处理结果；构建基于CBAM‑Res2Net的人群计数网络，该网络分为前端网络、CBAM‑Res2Net模块以及后端网络3个部分；初始化人群计数网络的权重；使用预处理结果对构建的网络进行训练；对训练后的网络模型进行测试，将网络模型的输出结果与标签密度图进行对比，并根据评价指标对模型性能进行评估，得到训练完成的人群计数网络；利用训练完成的人群计数网络进行人群计数。本发明有益效果是：人群计数网络结构简单，训练方便，且提高了人群计数的精度与速度。
-
公开(公告)号：CN112949438B
公开(公告)日：2022-09-30
申请号：CN202110195714.2
申请日：2021-02-19
Applicant: 武汉工程大学 , 武汉引行科技有限公司
IPC: G06V20/68 , G06V10/44 , G06V10/56 , G06V10/774 , G06V10/764 , G06T7/00 , G06T7/62 , G06T7/90
Abstract: 本发明是涉及农业与人工智能领域，尤其是一种基于贝叶斯网络的水果视觉分类方法及系统。本发明通过获取待分类水果的待分类水果数据，并进行预处理得到多个待分类水果视觉特征值；分别对每个所述待分类水果视觉特征值进行离散化处理后，输入至预先训练好的水果分类贝叶斯网络模型进行处理，得到所述待分类水果在多个等级分类下的等级分类概率；根据多个所述等级分类概率对所述待分类水果进行等级分类。本发明实现了水果的精确分类，有效地降低在水果分拣中所花费的人力物力。通过构建复杂的水果分类的贝叶斯网络模型可实现水果的精确分类，实现降低人力物力，达到水果的快速分类。
-
公开(公告)号：CN111531582B
公开(公告)日：2022-09-20
申请号：CN202010343392.7
申请日：2020-04-27
Applicant: 武汉工程大学
Abstract: 本发明提供一种基于视觉的工业机器人故障检测方法及系统，其中，方法包括以下步骤：S1:获取工业机器人正常工作下的作业视频，并根据所述作业视频计算最长公共哈希子序列，所述最长公共哈希子序列包含多个哈希值，所述最长公共哈希子序列用于表示工业机器人的周期性动作模式，执行S2；S2:实时采集工业机器人的工作图像，分离出工业机器人，形成第二作业图像，计算所述第二作业图像的哈希值，记为h1,执行S3；S3:将所述哈希值h1与所述最长公共哈希子序列进行顺序极近似值匹配，若匹配成功，则执行S2,若匹配失败，则检测到异常动作，控制工业机器人急停，通过采集作业图像的方式对工业机器人进行故障检测，不仅成本低、采集难度小，抗干扰能力强。
-
-
-
-
-
-
-
-
-
Search Results
117
records
(took 0.031 seconds)
