-
公开(公告)号：CN119180852B
公开(公告)日：2025-04-01
申请号：CN202411679017.4
申请日：2024-11-22
Applicant: 泉州装备制造研究所
IPC: G06T7/50 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/088 , G06N3/0895 , G06N3/09 , G06T7/00 , G06V10/52 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种人体肠道稠密深度估计方法，属于计算机视觉和人工智能领域，包括：步骤S1、获取真实数据集和虚拟数据集；步骤S2、构建包括卷积‑多头自注意力模块、多尺度金字塔模块和特征解码模块的域自适应网络#imgabs0#，域自适应网络的权重为#imgabs1#，域自适应网络的总损失函数依赖于基于真实数据集的自监督损失函数#imgabs2#、基于虚拟数据集的监督损失函数#imgabs3#和基于梯度反转的域分类器的域自适应损失函数#imgabs4#；步骤S3、以前向传递‑反向传递对域自适应网络进行训练，以最小化域自适应网络的总损失函数以获取最佳的权重#imgabs5#。本发明能够有效提升估计精度。
-
公开(公告)号：CN119180746B
公开(公告)日：2025-04-01
申请号：CN202411681830.5
申请日：2024-11-22
Applicant: 泉州装备制造研究所
IPC: G06T3/08 , G06T3/04 , G06T3/4038 , G06T3/4046 , G06T7/50 , G06T7/62 , G06V10/42 , G06V10/80
Abstract: 本发明提供一种失真感知室外全景深度估计方法，属于室外全景深度估计领域，包括：构建估计网络，估计网络包括卷积分支、注意力机制分支的协同网络、n个融合模块和解码模块；基于全景球面成像模型，计算全景图像对应的失真感知图；将全景图像的等矩形投影图和失真感知图作为卷积分支的输入，将切片投影图和失真感知图作为注意力机制分支的输入；解码模块包括依次连接的n个解码层，卷积分支第i+1层输出的编码特征和注意力机制分支第i层输出的编码特征均输入第i个融合模块，第i个融合模块的输出输入第i个解码层，以解码生成深度图。本发明能够有效提升估计精确度。
-
公开(公告)号：CN119180746A
公开(公告)日：2024-12-24
申请号：CN202411681830.5
申请日：2024-11-22
Applicant: 泉州装备制造研究所
IPC: G06T3/08 , G06T3/04 , G06T3/4038 , G06T3/4046 , G06T7/50 , G06T7/62 , G06V10/42 , G06V10/80
Abstract: 本发明提供一种失真感知室外全景深度估计方法，属于室外全景深度估计领域，包括：构建估计网络，估计网络包括卷积分支、注意力机制分支的协同网络、n个融合模块和解码模块；基于全景球面成像模型，计算全景图像对应的畸变感知图；将全景图像的等矩形投影图和畸变感知图作为卷积分支的输入，将切片投影图和畸变感知图作为注意力机制分支的输入；解码模块包括依次连接的n个解码层，卷积分支第i+1层输出的编码特征和注意力机制分支第i层输出的编码特征均输入第i个融合模块，第i个融合模块的输出输入第i个解码层，以解码生成深度图。本发明能够有效提升估计精确度。
-
Patent Agency Ranking
公开(公告)号：CN119180852A
公开(公告)日：2024-12-24
申请号：CN202411679017.4
申请日：2024-11-22
Applicant: 泉州装备制造研究所
IPC: G06T7/50 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/088 , G06N3/0895 , G06N3/09 , G06T7/00 , G06V10/52 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种人体肠道稠密深度估计方法，属于计算机视觉和人工智能领域，包括：步骤S1、获取真实数据集和虚拟数据集；步骤S2、构建包括卷积‑多头自注意力模块、多尺度金字塔模块和特征解码模块的域自适应网络#imgabs0#，域自适应网络的权重为#imgabs1#，域自适应网络的总损失函数依赖于基于真实数据集的自监督损失函数#imgabs2#、基于虚拟数据集的监督损失函数#imgabs3#和基于梯度反转的域分类器的域自适应损失函数#imgabs4#；步骤S3、以前向传递‑反向传递对域自适应网络进行训练，以最小化域自适应网络的总损失函数以获取最佳的权重#imgabs5#。本发明能够有效提升估计精度。
-
公开(公告)号：CN119001684A
公开(公告)日：2024-11-22
申请号：CN202411456456.9
申请日：2024-10-18
Applicant: 泉州装备制造研究所
Abstract: 本发明提供一种基于因子图的IMU/LiDAR外参在线估计方法，属于传感器外参标定领域，包括：根据多个时刻内IMU测量到的轨迹#imgabs0#和LiDAR里程计解算的轨迹#imgabs1#，构建非线性最小二乘问题#imgabs2#，对该非线性最小二乘问题进行求解得到#imgabs3#和#imgabs4#的初始估计值；基于因子图框架，将IMU信息和LiDAR里程计进行融合，融合采用的损失函数为#imgabs5#。本发明能够有效地隔离外参误差对位姿估计精度的影响。
-
公开(公告)号：CN118823011B
公开(公告)日：2025-02-11
申请号：CN202411295379.3
申请日：2024-09-18
Applicant: 泉州装备制造研究所
IPC: G06T7/00 , G06N3/0464 , G06N3/048 , G06N3/084 , G06T7/11 , G06T7/13 , G06T7/194 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明适用于计算机视觉领域，提供了一种工业表面缺陷多尺度检测方法，包括：获取第一图像，对所述第一图像进行语义提取处理，得到第二图像；融合所述第一图像的浅层特征和所述第二图像的深层特征，得到第三图像；利用自适应通道注意力机制处理所述第二图像得到通道注意力，结合所述第三图像的空间细节，得到第四图像。本发明的优点主要集中在以下两个方面：一是从全局角度学习特征捕获充足的语义信息，简化了语义特征到浅层特征的融合路径；二是引入自适应注意力机制以更好地聚焦于图像中的关键特征区域，加强局部特征的学习，以便更加精确地关注和识别多尺度缺陷。
-
公开(公告)号：CN118823011A
公开(公告)日：2024-10-22
申请号：CN202411295379.3
申请日：2024-09-18
Applicant: 泉州装备制造研究所
IPC: G06T7/00 , G06N3/0464 , G06N3/048 , G06N3/084 , G06T7/11 , G06T7/13 , G06T7/194 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明适用于计算机视觉领域，提供了一种工业表面缺陷多尺度检测方法，包括：获取第一图像，对所述第一图像进行语义提取处理，得到第二图像；融合所述第一图像的浅层特征和所述第二图像的深层特征，得到第三图像；利用自适应通道注意力机制处理所述第二图像得到通道注意力，结合所述第三图像的空间细节，得到第四图像。本发明的优点主要集中在以下两个方面：一是从全局角度学习特征捕获充足的语义信息，简化了语义特征到浅层特征的融合路径；二是引入自适应注意力机制以更好地聚焦于图像中的关键特征区域，加强局部特征的学习，以便更加精确地关注和识别多尺度缺陷。
-
公开(公告)号：CN207423852U
公开(公告)日：2018-05-29
申请号：CN201721343777.3
申请日：2017-10-18
Applicant: 泉州装备制造研究所
IPC: G01N25/20
Abstract: 本实用新型涉及一种液体比热容流动测量装置,包括样品储罐、输送泵、恒温箱、测量组件、三通阀以及质量流量计量仪，样品储罐的出口端与输送泵的进口端连通，输送泵的出口端通过换热管与测量组件的进口端连通，换热管置于恒温箱中，测量组件的出口端与三通阀的进口端连通，测量组件包括量热管、温度采集器、电热丝、电压表、电流表以及电源，电热丝置于量热管内，电热丝、电流表、电源以及电压表形成闭合回路，温度采集器具有第一采集端和第二采集端，第一采集端设置在量热管的进口处，第二采集端设置在量热管的出口处。本实用新型具有结构简单，精度高，易于操作、成本低的优点。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.023 seconds)
