-
公开(公告)号：CN118587671A
公开(公告)日：2024-09-03
申请号：CN202410733389.4
申请日：2024-06-07
Applicant: 江南大学
IPC: G06V20/56 , G06T3/4053 , G06T3/4046 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/048
Abstract: 本发明涉及车道线检测技术领域，尤其是指一种融合特征超分辨率的车道线检测方法及装置，包括：利用图像超分辨率网络对待检测的车道线图像进行预处理；利用经过预处理的待检测的车道线图像对预先构建的超分辨率车道线检测模型进行训练；所述超分辨率车道线检测模型包括依次连接的特征提取模块、跨尺度特征融合模块和检测模块；利用经过训练的超分辨率车道线检测模型对待检测的车道线图像进行检测。本发明在训练阶段通过图像超分辨率网络提升训练输入图像的分辨率，使得模型能够利用高分辨率图像学习到高分辨率特征信息，并且测试阶段不增加模型额外的计算负担，提升了车道线检测的准确率。
-
Patent Agency Ranking
公开(公告)号：CN117011819A
公开(公告)日：2023-11-07
申请号：CN202310992383.4
申请日：2023-08-08
Applicant: 江南大学
IPC: G06V20/56 , G06V10/77 , G06V10/80 , G06N3/048 , G06N3/045 , G06V10/82 , G06N3/0464 , G06V10/42 , G06V10/44
Abstract: 本发明涉及车道线检测技术领域，尤其是指一种基于特征引导注意力的车道线检测方法、设备及存储介质。本发明所述车道线检测方法包括：使用特征残差神经网络作为车道线检测模型的骨干网络，对包含车道线的图片进行车道线特征提取，输出多尺寸的特征图；使用均衡特征金字塔网络作为车道线检测模型的跨尺度特征融合模块，对所述特征残差神经网络生成的每一个尺寸的特征，通过上下采样操作生成金字塔对应的多个尺寸，再将相同尺寸的特征图融合；使用ROI Gather作为车道线检测模型的检测模块，迭代更新预设定的车道线，输出最终检测出的车道线。本发明所述方法通过集中分析重点区域，在保证精度的同时提高了检测速度。
-
公开(公告)号：CN116416602A
公开(公告)日：2023-07-11
申请号：CN202310408477.2
申请日：2023-04-17
Applicant: 江南大学
Abstract: 本发明提供一种基于事件数据与图像数据联合的运动目标检测方法及系统，该方法包括获取稀疏事件数据和标准图像帧；对稀疏事件数据进行重构处理得到事件帧，输入到卷积神经网络中进行训练，并计算得到目标在事件帧上的位置；将标准图像帧从RGB色彩空间转化HSV色彩空间，进行二值化处理得到二值化帧；将得到的目标位置转换到二值化帧中，并统计二值化帧中目标位置区域的白色像素数；判断目标位置区域中的白色像素数对于整个二值化帧中白色像素数的占比是否超过设定的阈值，如果是，则所述目标被正确检测出，否则检测出错误的目标。本发明解决了对图像中特定的目标进行检测时，仅利用事件相机获取的数据，不易区分不同目标的问题。
-
公开(公告)号：CN116934618A
公开(公告)日：2023-10-24
申请号：CN202310857834.3
申请日：2023-07-13
Applicant: 江南大学
Abstract: 本发明公开了一种基于改进残差网络的图像半色调方法、系统及介质，包括以下步骤：步骤S1：获取图像数据集，划分为训练集和测试集；步骤S2：将所述训练集输入到HalfResNet网络模型进行训练，其中所述HalfResNet网络模型是基于ResNet网络模型进行改进的；步骤S3：训练完成后得到权重参数，将所述权重参数加载至所述HalfResNet网络模型中，针对待处理的图像，运行HalfResNet网络模型可以得到与其对应的伪半色调图像，所述伪半色调图像经过筛选处理输出高质量半色调图像。本发明将深度学习模型与半色调图像相结合，生成的半色调图像能够保持较好的结构细节的同时，极大地提高了处理效率。
-
公开(公告)号：CN116416602B
公开(公告)日：2024-05-24
申请号：CN202310408477.2
申请日：2023-04-17
Applicant: 江南大学
Abstract: 本发明提供一种基于事件数据与图像数据联合的运动目标检测方法及系统，该方法包括获取稀疏事件数据和标准图像帧；对稀疏事件数据进行重构处理得到事件帧，输入到卷积神经网络中进行训练，并计算得到目标在事件帧上的位置；将标准图像帧从RGB色彩空间转化HSV色彩空间，进行二值化处理得到二值化帧；将得到的目标位置转换到二值化帧中，并统计二值化帧中目标位置区域的白色像素数；判断目标位置区域中的白色像素数对于整个二值化帧中白色像素数的占比是否超过设定的阈值，如果是，则所述目标被正确检测出，否则检测出错误的目标。本发明解决了对图像中特定的目标进行检测时，仅利用事件相机获取的数据，不易区分不同目标的问题。
-
公开(公告)号：CN116934618B
公开(公告)日：2024-06-11
申请号：CN202310857834.3
申请日：2023-07-13
Applicant: 江南大学
Abstract: 本发明公开了一种基于改进残差网络的图像半色调方法、系统及介质，包括以下步骤：步骤S1：获取图像数据集，划分为训练集和测试集；步骤S2：将所述训练集输入到HalfResNet网络模型进行训练，其中所述HalfResNet网络模型是基于ResNet网络模型进行改进的；步骤S3：训练完成后得到权重参数，将所述权重参数加载至所述HalfResNet网络模型中，针对待处理的图像，运行HalfResNet网络模型可以得到与其对应的伪半色调图像，所述伪半色调图像经过筛选处理输出高质量半色调图像。本发明将深度学习模型与半色调图像相结合，生成的半色调图像能够保持较好的结构细节的同时，极大地提高了处理效率。
-
-
-
-
-
Search Results
6
records
(took 0.022 seconds)
