-
公开(公告)号：CN114067273B
公开(公告)日：2024-12-03
申请号：CN202111391643.X
申请日：2021-11-23
Applicant: 江苏科技大学
Abstract: 本发明公开了一种适用于夜间机场航站楼的热成像显著人体分割检测方法。具体步骤为：(1)、递进地从热成像图像中提取5种不同尺度的编码器特征图；(2)、利用嵌入模块改变步骤(1)得到的编码器特征图的通道数，获得新的输出特征图；(3)、将步骤(2)得到的输出特征图与上一层原始解码器特征图叠加后得到相同尺度的原始解码器特征图；(4)、在步骤(3)中得到的特征图上分别提取热特征分支和显著特征分支；(5)、利用融合模块，将步骤(4)中得到的两个特征分支加以融合，以得到显著解码器特征图；(6)、将步骤(5)中得到的5个显著解码器特征图全部上采样到输入图像的原始尺度后，通过叠加融合操作获得最终输出特征图。
-
公开(公告)号：CN117830294B
公开(公告)日：2024-06-18
申请号：CN202410174352.2
申请日：2024-02-07
Applicant: 江苏科技大学
IPC: G06T7/00 , G01C11/02 , G06V20/17 , G06V10/12 , G06V10/82 , G06V10/764 , G06F16/16 , G06F16/172
Abstract: 本发明公开了一种海上风电桩叶片图像采集与缺陷检测的方法，运用风电桩基础信息模块、无人艇数据采集规划模块、风叶外观图像拍摄与传输模块、叶片缺陷检测模块及可视化模块组成的web端和无人艇数据采集端提供的信息和计算能力；在于，依据海上风电桩基础信息，计算无人艇拍摄点位置和架设于无人艇上相机云台拍摄参数，实现无人艇依据拍摄参数和巡检路径自主开展风电桩正常工作状态下叶片的分段拍摄，实现叶片分段大尺寸图像的自动采集和图像文件的按规则自动命名与存储，实现基于YOLOX网络叶片外观缺陷检测及缺陷类型和缺陷叶片定位的可视化展示，对风电场开展潜在风险评估，制定维护与保养计划具有现实意义。
-
公开(公告)号：CN114067273A
公开(公告)日：2022-02-18
申请号：CN202111391643.X
申请日：2021-11-23
Applicant: 江苏科技大学
Abstract: 本发明公开了一种适用于夜间机场航站楼的热成像显著人体分割检测方法。具体步骤为：(1)、递进地从热成像图像中提取5种不同尺度的编码器特征图；(2)、利用嵌入模块改变步骤(1)得到的编码器特征图的通道数，获得新的输出特征图；(3)、将步骤(2)得到的输出特征图与上一层原始解码器特征图叠加后得到相同尺度的原始解码器特征图；(4)、在步骤(3)中得到的特征图上分别提取热特征分支和显著特征分支；(5)、利用融合模块，将步骤(4)中得到的两个特征分支加以融合，以得到显著解码器特征图；(6)、将步骤(5)中得到的5个显著解码器特征图全部上采样到输入图像的原始尺度后，通过叠加融合操作获得最终输出特征图。
-
Patent Agency Ranking
公开(公告)号：CN117830294A
公开(公告)日：2024-04-05
申请号：CN202410174352.2
申请日：2024-02-07
Applicant: 江苏科技大学
IPC: G06T7/00 , G01C11/02 , G06V20/17 , G06V10/12 , G06V10/82 , G06V10/764 , G06F16/16 , G06F16/172
Abstract: 本发明公开了一种海上风电桩叶片图像采集与缺陷检测的方法，运用风电桩基础信息模块、无人艇数据采集规划模块、风叶外观图像拍摄与传输模块、叶片缺陷检测模块及可视化模块组成的web端和无人艇数据采集端提供的信息和计算能力；在于，依据海上风电桩基础信息，计算无人艇拍摄点位置和架设于无人艇上相机云台拍摄参数，实现无人艇依据拍摄参数和巡检路径自主开展风电桩正常工作状态下叶片的分段拍摄，实现叶片分段大尺寸图像的自动采集和图像文件的按规则自动命名与存储，实现基于YOLOX网络叶片外观缺陷检测及缺陷类型和缺陷叶片定位的可视化展示，对风电场开展潜在风险评估，制定维护与保养计划具有现实意义。
-
公开(公告)号：CN116934767A
公开(公告)日：2023-10-24
申请号：CN202310724784.1
申请日：2023-06-19
Applicant: 江苏科技大学
IPC: G06T7/10 , G06T7/00 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种深度注意力网络的胎儿小脑超声图像分割方法，包括如下步骤：首先将胎儿超声数据集按照4:1的比例随机划分为训练集和测试集，对胎儿超声数据集进行预处理；然后搭建DA‑Net网络模型，构造一个六层的U形网络，将残差级联块和改进的三重注意力模块封装成一个复合模块嵌入到网络的编码器和解码器中，用来进行有效特征提取；接下来，在训练集上采用像素位置感知损失来训练网络模型；最后，在测试集上测试模型，根据测试的结果，选择出性能最优的模型为最终模型；使用该模型进行胎儿小脑超声图像分割。本发明利用一个深度注意力网络DA‑Net，能够准确实现胎儿小脑超声图像的定位与分割，获得了较好的分割性能和鲁棒性。
-
公开(公告)号：CN116563204A
公开(公告)日：2023-08-08
申请号：CN202310213958.8
申请日：2023-03-08
Applicant: 江苏科技大学
IPC: G06T7/00 , G06T7/10 , G06V10/774 , G06V10/82 , G06V10/80
Abstract: 本发明公开了一种融合多尺度残差注意力的医学图像分割方法，步骤是：对采集的数据集预处理后进行训练集、验证集、测试集划分；数据增强，在训练过程中采用0.5的概率对数据进行随机垂直翻转、随机水平翻转和随机旋转；构建多尺度残差注意力网络，在编码器部分，网络减少双卷积中间部分的通道数，适度减小网络参数；在解码器设计多尺度残差注意力模块来捕捉不同尺度下医学图像的细节特征，提高图像特征图的利用率，缓解由于网络过深引起的梯度消失问题和退化问题，进一步提高网络的稳定性；在测试集测试模型，得到模型的分割结果。本发明解决了医学图像目标区域与背景边界模糊的问题，能够在提高图像分割精度的同时有效减少网络的参数量。
-
公开(公告)号：CN117745735A
公开(公告)日：2024-03-22
申请号：CN202311525748.9
申请日：2023-11-16
Applicant: 江苏科技大学
IPC: G06T7/11 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于自适应编码和综合注意力解码的医学图像分割方法，对预先获取的医学图像进行预处理和数据增强；构建基于编码器‑解码器结构的医学图像分割网络AA‑Net；包括自适应校正模块和综合注意力模块；将增强后的医学图像首先输入至编码器中的自适应矫正模块进行编码，提取具有强大表达能力的候选特征；候选特征通过跳跃连接进入综合注意力模块，并与解码的特征进行融合，得到输出的预测标签图；对AA‑Net进行训练，根据损失函数对网络进行反向传播并更新网络权重；并保存损失最小的一次网络权重；保存的网络权重装载进模型，实现待分割医学图像的病灶分割结果。本发明能更好地识别目标的位置并分割目标的边界，并显著提高分割精度。
-
公开(公告)号：CN116363001A
公开(公告)日：2023-06-30
申请号：CN202310213964.3
申请日：2023-03-08
Applicant: 江苏科技大学
Abstract: 本发明公开了一种结合RGB和HSV颜色空间的水下图像增强方法，步骤是：对原始的彩色水下图像进行颜色校正；将颜色校正之后的水下图像使用最近邻插值法生成多尺度水下图像；将多尺度水下图像送入编码器，在RGB和HSV两个颜色空间中分别提取多尺度特征；对于在编码阶段提取出的多尺度特征，使用选择性内核特征融合模块对来自RGB和HSV两个颜色空间中的同一尺度的特征进行有选择性融合；将融合后的特征进行解码重建，从最小的尺度开始逐步重建水下图像，并最终得到增强的水下图像。本发明通过采用RGB和HSV结合的双颜色空间，将HSV颜色空间中的色调，饱和度等重要信息引入至算法中以增强算法的鲁棒性，提高了网络泛化性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.023 seconds)
