公开(公告)号：CN116645514A

公开(公告)日：2023-08-25

申请号：CN202310754771.9

申请日：2023-06-25

Applicant: 西南交通大学

Inventor： 黄进 ,  包锐 ,  王逢港 ,  谢艺玮 ,  方铮 ,  冯义从 ,  李剑波 ,  荣鹏 ,  郭伦 ,  翟树红

IPC: G06V10/26 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种改进U2‑Net的瓷砖表面缺陷分割方法，属于显著性目标分割技术领域。为了克服现有技术中存在的缺陷，本发明旨在提供一种改进U2‑Net的瓷砖表面缺陷分割方法，包括获取瓷砖表面缺陷检测数据集；构建基于U2‑Net的瓷砖表面缺陷分割网络模型；通过训练集对瓷砖表面缺陷分割网络模型进行不断迭代训练，直到网络最终收敛，得到训练好的瓷砖表面缺陷分割网络模型；将待处理的图片输入到训练好的瓷砖表面缺陷分割网络模型中，得到分割的目标。本发明构建面向瓷砖表面缺陷目标分割的基于编解码结构及多尺度特征融合的深度学习网络模型，以提高对瓷砖表面缺陷的分割效果。

公开(公告)号：CN116778581A

公开(公告)日：2023-09-19

申请号：CN202310725602.2

申请日：2023-06-19

Applicant: 西南交通大学

Inventor： 黄进 ,  王逢港 ,  包锐 ,  鲁永兵 ,  方铮 ,  李剑波 ,  冯义从

IPC: G06V40/20 ,  G06V20/40 ,  G06V20/52 ,  G06V10/82 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/082

Abstract: 本发明公开了一种基于改进YOLOv7模型的考场异常行为检测方法，步骤S1、将已有的考场监控视频进行分帧处理，获取考场图片数据；S2、将考场图片数据依次进行预处理，标注，获得考场异常行为数据集；S3、构建改进的YOLOv7网络模型，将激活函数SiLU替换为FReLU；使用Gn‑ASPPCSPC模块替换ASPPCSPC模块，使用Gn‑MP模块替换MP模块；使用SIoU损失函数；S4、利用考场异常行为数据集对改进的YOLOv7模型进行训练，训练完成后获得最优性能模型；S5、通过最优性能模型对新获取的考场图片进行识别，检测出考场中出现的异常行为。本发明的检测方法解决了原始YOLOv7网络模型缺乏捕获特征空间相关性的能力，对复杂背景下的目标定位不准确等问题。

公开(公告)号：CN116883265A

公开(公告)日：2023-10-13

申请号：CN202310670874.7

申请日：2023-06-07

Applicant: 西南交通大学

Inventor： 黄进 ,  杨瑛玮 ,  周瑞 ,  纪婉玉 ,  冯义从 ,  李剑波 ,  郝蕾 ,  包锐 ,  王逢港 ,  王新元

IPC: G06T5/00 ,  G06V10/40 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于增强特征融合机制的图像去模糊方法，包括以下步骤：步骤1：建立数据集，包括训练集和测试集；步骤2：建立基于增强特征融合机制的图像去模糊模型，根据训练集进行训练，得到训练后的图像去模糊模型；步骤3：将模糊图像输入训练后的图像去模糊模型，即可而得到去模糊后的图像；本发明方法可以解决图像去模糊过程中的特征融合有效性问题、关键特征丢失问题和特征冗余问题，实现细节更贴近现实的图像去模糊效果。