公开(公告)号：CN115909004A

公开(公告)日：2023-04-04

申请号：CN202211304254.3

申请日：2022-10-24

Applicant: 浙江科技学院

Inventor： 许彩娥 ,  干劲 ,  李俊 ,  吴明洋 ,  董喆 ,  潘思顺 ,  钟盛云 ,  陈帆 ,  吴家麒

IPC: G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/044 ,  G06N3/08

Abstract: 本发明公开了一种基于内置注意力机制的多域图像翻译模型，包括生成器：配置为带有内置注意力机制模块的生成器架构，用于将原图像经过生成器得到对应的生成图像，包括UNet网络和RCNN网络，用于将输入的原始图像经过编码阶段提取特征编码，再经过解码阶段将编码恢复到图像的结构以获取生成图像；鉴别器：配置有基于CNN的patch鉴别器，接收原图像和生成图像给出判断的概率结果本发明基于DCNN的新颖的生成器框架，融合了RRCNN、U‑Net以及Attention Gate等机制，可以消除跳跃连接中不相关的和有噪声的响应；本发明提供的多域图像翻译模型有助于加快学习速度，并为图像翻译任务提供更好的特征表示。

公开(公告)号：CN115761708A

公开(公告)日：2023-03-07

申请号：CN202211259469.8

申请日：2022-10-14

Applicant: 浙江科技学院

Inventor： 许彩娥 ,  董喆 ,  潘思顺 ,  干劲 ,  李俊 ,  钟盛云 ,  吴明洋 ,  陈帆 ,  吴家麒

IPC: G06V20/60 ,  G06V10/25 ,  G06V10/44 ,  G06V10/82 ,  G06N3/08

Abstract: 本发明公开了一种针对积木识别的注意力与多尺度融合的ATYOLO目标检测方法，该方法基于YOLOV5s网络，并在此基础上加入了Attention机制，主要由输入端、主网络Backbone、连接端Neck以及输出端四部分组成。输入端主要对原始数据进行了Maisc数据增强处理，主网络部分主要利用多尺度特征提取方法来对输入数据进行特征的提取，连接端主要用于变化特征尺度，输出端主要输出处理后的最终结果。本发明通过比较在网络中的不同位置加入不同的Attention机制，找到了有效提高了模型对小目标、密集目标、遮挡目标的识别效果的方法，在减少了模型参数量的情况下还能提高模型的精度，加快了检测速度。

公开(公告)号：CN115100402A

公开(公告)日：2022-09-23

申请号：CN202210494910.4

申请日：2022-05-07

Applicant: 浙江科技学院

Inventor： 许彩娥 ,  王炳炎 ,  吴明洋 ,  干劲 ,  李俊

IPC: G06V10/26 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G06V10/10

Abstract: 本发明公开的小样本分割模型、小目标检测方法、系统、介质及设备，其中小样本分割模型包括依次首尾相连的主干网络、ASPP模块、第一解码网络以及第二解码网络，其中第一解码网络将输入的不同尺度的特征图像与倒数第二层下采样卷积模块输出的浅层特征图像进行拼接并上采样，获得第一解码特征图像；第二解码网络中每层第二解码模块输入的解码特征图像与对应的下采样卷积模块输出的浅层特征图像进行注意力处理，获得全局特征图像，第二解码网络将输入的第一解码特征图像逐层与全局特征图像进行拼接并上采样，获得解码图像。该小样本分割模型在有限的样本条件下，可精确分割检测区域，应用该模型进行的小目标检测，可快速识别小目标。

公开(公告)号：CN114972213A

公开(公告)日：2022-08-30

申请号：CN202210499963.5

申请日：2022-05-09

Applicant: 浙江科技学院

Inventor： 许彩娥 ,  吴明洋 ,  干劲 ,  王炳炎 ,  潘思顺 ,  李俊 ,  钟盛云

IPC: G06T7/00 ,  G06N3/04 ,  G06N3/08 ,  G06V10/25 ,  G06V10/764 ,  G06V10/77 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种基于机器视觉的两阶段主板图像缺陷检测及定位方法，该方法的第一阶段为目标识别网络，将原始图像输入至特征提取网络，获取融合特征图；构建RPN目标识别网络，输入融合特征图获得目标识别候选区域图像。第二阶段为轻量化缺陷检测网络，构建跨注意力机制的轻量化特征提取模块嵌入至基于通道压缩的生成对抗网络，对上一阶段输出的所有图像进行缺陷预测，依照异常分数在原始图像中检测缺陷及定位。本发明利用目标识别网络为缺陷检测网络输入候选区域图像，实现复杂检测场景下，为缺陷检测网络去除大量无关特征；结合有监督学习与无监督学习，无需关注缺陷特征类型，并解决正常样本与缺陷样本数量不均衡导致分类效果不佳。

公开(公告)号：CN116468667A

公开(公告)日：2023-07-21

申请号：CN202310245658.8

申请日：2023-03-09

Applicant: 浙江科技学院 ,  浙江振亚控股集团有限公司

Inventor： 许彩娥 ,  李俊 ,  干劲 ,  王炳炎 ,  吴明洋

IPC: G06T7/00 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/096 ,  G06N3/088

Abstract: 本发明公开了本发明公开一种加入Transformer的串式知识蒸馏的无监督缺陷检测方法，属于无监督缺陷检测技术领域，包含教师模型、学生模型结构、串式知识蒸馏结构、串式知识蒸馏训练方式；包括：教师模型，学生模型结构；串式知识蒸馏训练方式；在教师模型与学生模型之间加入基于Transformer的特征聚合过滤模块。将正常的样本加入模型进行进行压缩并重构训练，将训练好的网络在测试集上进行重构对重构结果进行对比实现像素级缺陷检测。本发明在无监督缺陷检测上实现了优秀的性能。

公开(公告)号：CN114943694A

公开(公告)日：2022-08-26

申请号：CN202210499962.0

申请日：2022-05-09

Applicant: 浙江科技学院

Inventor： 许彩娥 ,  吴明洋 ,  干劲 ,  王炳炎 ,  潘思顺 ,  李俊 ,  钟盛云

IPC: G06T7/00 ,  G06V10/77 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于对抗生成网络与注意力的缺陷检测方法，该方法将待检测的原始图像输入到基于对抗生成网络与注意力的缺陷检测网络中，将原始图像处理为较小图像后，构建基于残差连接与SoftPool的下采样模块和基于注意力方法的跳跃连接模块，将两者作为基本处理单元嵌入到基于对抗生成网络结构的骨干网络中，仅利用正常类样本学习到正常类的模型，利用模型对原始图像的缺陷预测。本发明使用强特征提取能力的下采样模块与跳跃连接模块，实现高准确度的缺陷检测；基于无监督学习的方法，不添加任何额外标注，有效降低对产品缺陷检测数据集的数量需求与类别要求。

公开(公告)号：CN307755625S

公开(公告)日：2022-12-27

申请号：CN202230666892.4

申请日：2022-10-10

Applicant: 浙江科技学院

Designer： 吴江伟 ,  李俊 ,  陈玲江 ,  蒋文燕

Abstract: 1.本外观设计产品的名称：冰箱贴（甜甜圈1）。
2.本外观设计产品的用途：用于装饰冰箱及固定备忘贴。
3.本外观设计产品的设计要点：在于形状与图案的结合。
4.最能表明设计要点的图片或照片：立体图。

公开(公告)号：CN307770121S

公开(公告)日：2023-01-03

申请号：CN202230666117.9

申请日：2022-10-10

Applicant: 浙江科技学院

Designer： 吴江伟 ,  李俊 ,  蒋文燕 ,  陈玲江

Abstract: 1.本外观设计产品的名称：挪车牌（老式电话机）。
2.本外观设计产品的用途：用于车辆停放时联系车主及时挪车。
3.本外观设计产品的设计要点：在于形状与图案的结合。
4.最能表明设计要点的图片或照片：立体图1。