-
公开(公告)号：CN114782403B
公开(公告)日：2025-02-14
申请号：CN202210536524.7
申请日：2022-05-17
Applicant: 河南大学
IPC: G06T7/00 , G06T3/60 , G06T7/10 , G06V10/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于混合空间和通道间注意力的肺炎图像检测方法及装置。该方法包括：步骤1：对肺部X射线图像进行数据预处理；步骤2：构建第一特征网络，采用所述第一特征网络对预处理后的肺部X射线图像进行特征提取，得到特征图C；步骤3：构建第二特征网络，采用所述第二特征网络对所述特征图C进行特征提取，得到特征图F；步骤4：构建混合空间注意力和通道间注意力的注意力模块，采用所述注意力模块对所述特征图F进行处理，得到特征张量X；步骤5：构建网络分类器，采用所述网络分类器对所述特征张量X进行检测，得到检测结果。
-
公开(公告)号：CN114792300A
公开(公告)日：2022-07-26
申请号：CN202210098820.3
申请日：2022-01-27
Applicant: 河南大学
Abstract: 本发明公开一种基于多尺度注意力X光断针检测方法，本发明根据工业应用的特点，将多尺度注意力X光异物检测算法应用于X光异物检测，优化了残差神经网络的结构，这些改进使模型在工业级应用上检测速度和精度符合工业标准，确保模型的泛化能力强；相较传统的X光金属异物检测系统，基于深度学习的多尺度注意力X光异物检测算法可以检测本身含有金属的产品异物，经过重新训练后也可以根据用户需求识别其他异物，并可以快速部署在X光检针机上，实现了快速、全自动化、可保存数据、及时反馈的断针识别检测。
-
公开(公告)号：CN113066075A
公开(公告)日：2021-07-02
申请号：CN202110385654.0
申请日：2021-04-10
Applicant: 河南大学
Abstract: 本发明涉及一种多图像融合的牛仔布瑕疵检测方法及装置，所述方法包括通过验布机构采集牛仔布图像数据，构建牛仔布图像数据的数据集，并通过标记机构人工标注所述牛仔布图像数据中有瑕疵的图像数据，所述牛仔布图像数据的数据集包括正面光源图像和背面光源图像，接着将多组所述牛仔布图像进行预处理，并进行MinPooling强化和差值组合三通道处理，最终利用输出数据对神经网络进行训练，对所述神经网络训练选定的ROI用OHEM算法进行处理，最终使用完成训练的所述神经网络，对牛仔布进行检测，并对检测到瑕疵的牛仔布进行自动标记。本发明融合了模板图像、正面光源图像和背面光源图像、使得瑕疵的特征更加丰富且突出，基于深度学习网络提高了识别的精度。
-
公开(公告)号：CN115147404B
公开(公告)日：2024-07-16
申请号：CN202210940594.9
申请日：2022-08-06
Applicant: 河南大学
Abstract: 本发明属于医学图像处理技术领域，公开了一种双重特征融合MRA图像的颅内动脉瘤分割方法，提出了一种新型的特征融合方式，使神经网络能更有效的分割出颅内动脉瘤的精确位置。具体包括以下步骤：对三维时间飞跃磁共振血管成像图像进行预处理，将其制作为数据集；将处理过的图像输入用于特征提取的解码器以获得逐渐增大的高级语义特征，然后通过双重特征融合使特征反馈至解码器中；解码器进行多尺度的特征提取后还原原本的图像，以取得分割效果。本发明提出的神经网络结构有效的解决了在颅内动脉瘤分割任务中目标较小、样本不均衡的问题，并拥有较优的分割效果。
-
公开(公告)号：CN114792300B
公开(公告)日：2024-02-20
申请号：CN202210098820.3
申请日：2022-01-27
Applicant: 河南大学
IPC: G06T7/00 , G06N3/0464 , G06N3/084 , G06V10/25 , G06V10/774 , G06V10/82
Abstract: 本发明公开一种基于多尺度注意力X光断针检测方法，本发明根据工业应用的特点，将多尺度注意力X光异物检测算法应用于X光异物检测，优化了残差神经网络的结构，这些改进使模型在工业级应用上检测速度和精度符合工业标准，确保模型的泛化能力强；相较传统的X光金属异物检测系统，基于深度学习的多尺度注意力X光异物检测算法可以检测本身含有金属的产品异物，经过重新训练后也可以根据用户需求识别其他异物，并可以快速部署在X光检针机上，实现了快速、全自动化、可保存数据、及时反馈的断针识别检测。
-
Patent Agency Ranking
公开(公告)号：CN114782403A
公开(公告)日：2022-07-22
申请号：CN202210536524.7
申请日：2022-05-17
Applicant: 河南大学
IPC: G06T7/00 , G06T3/60 , G06T7/10 , G06V10/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于混合空间和通道间注意力的肺炎图像检测方法及装置。该方法包括：步骤1：对肺部X射线图像进行数据预处理；步骤2：构建第一特征网络，采用所述第一特征网络对预处理后的肺部X射线图像进行特征提取，得到特征图C；步骤3：构建第二特征网络，采用所述第二特征网络对所述特征图C进行特征提取，得到特征图F；步骤4：构建混合空间注意力和通道间注意力的注意力模块，采用所述注意力模块对所述特征图F进行处理，得到特征张量X；步骤5：构建网络分类器，采用所述网络分类器对所述特征张量X进行检测，得到检测结果。
-
公开(公告)号：CN115147404A
公开(公告)日：2022-10-04
申请号：CN202210940594.9
申请日：2022-08-06
Applicant: 河南大学
Abstract: 本发明属于医学图像处理技术领域，公开了一种双重特征融合MRA图像的颅内动脉瘤分割方法，提出了一种新型的特征融合方式，使神经网络能更有效的分割出颅内动脉瘤的精确位置。具体包括以下步骤：对三维时间飞跃磁共振血管成像图像进行预处理，将其制作为数据集；将处理过的图像输入用于特征提取的解码器以获得逐渐增大的高级语义特征，然后通过双重特征融合使特征反馈至解码器中；解码器进行多尺度的特征提取后还原原本的图像，以取得分割效果。本发明提出的神经网络结构有效的解决了在颅内动脉瘤分割任务中目标较小、样本不均衡的问题，并拥有较优的分割效果。
-
公开(公告)号：CN113066075B
公开(公告)日：2022-11-01
申请号：CN202110385654.0
申请日：2021-04-10
Applicant: 河南大学
Abstract: 本发明涉及一种多图像融合的牛仔布瑕疵检测方法及装置，所述方法包括通过验布机构采集牛仔布图像数据，构建牛仔布图像数据的数据集，并通过标记机构人工标注所述牛仔布图像数据中有瑕疵的图像数据，所述牛仔布图像数据的数据集包括正面光源图像和背面光源图像，接着将多组所述牛仔布图像进行预处理，并进行MinPooling强化和差值组合三通道处理，最终利用输出数据对神经网络进行训练，对所述神经网络训练选定的ROI用OHEM算法进行处理，最终使用完成训练的所述神经网络，对牛仔布进行检测，并对检测到瑕疵的牛仔布进行自动标记。本发明融合了模板图像、正面光源图像和背面光源图像、使得瑕疵的特征更加丰富且突出，基于深度学习网络提高了识别的精度。
-
公开(公告)号：CN217954293U
公开(公告)日：2022-12-02
申请号：CN202221170819.9
申请日：2022-05-16
Applicant: 河南大学
Abstract: 本实用新型属于工业布检测技术领域，具体为工业布表面缺陷检测装置，包括用于安装其它零部件的机架，所述机架上设置有提高检测精确度以及便于操作人员对工业布表面缺陷部位进行标记的调节机构，所述调节机构上方设置有对工业布表面进行缺陷检测并实时显示缺陷检测结果的检测机构。通过本实用新型当工业布较宽时，如果工业布缺陷部位位于操作人员手臂完全伸展后仍不能触碰的区域时，通过第一液压缸调节机架本体与灯箱的夹角，能够略微倾斜灯箱以便于操作人员张贴标签，同时CCD工业相机在长时间工作后仍能确保识别准确率与效率，以便于将本装置的漏检率和误检率维持在极低水平。
-
公开(公告)号：CN216434985U
公开(公告)日：2022-05-03
申请号：CN202122945764.6
申请日：2021-11-29
Applicant: 河南大学
Abstract: 本实用新型公开了全方位人脸口罩佩戴检测器，包括固定底座，所述固定底座的顶端固定连接有一根固定杆，所述固定杆的内部开设有一个调节槽，所述调节槽的内部滑动连接有一块调节板，所述调节板的顶端固定连接有一根连接杆，所述连接杆的另一端贯穿调节槽的上内壁设置所述连接杆的顶端设置有一个摄像头，所述连接杆上还固定套设有一个固定环，所述固定环与摄像头的镜头同侧的侧壁上固定连接有一根安装杆，所述安装杆的另一端固定连接有一个显示屏，所述调节板上还设置有调节装置。本实用新型能及时的检测出未正确佩戴口罩的人，同时对其做出标记和提醒，从而督促他及时正确佩戴口罩，有利于其自身以及他人的安全健康。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.012 seconds)
