公开(公告)号：CN116977837A

公开(公告)日：2023-10-31

申请号：CN202310859449.2

申请日：2023-07-13

Applicant: 西南大学

Inventor： 陈善雄 ,  刘青 ,  张重生 ,  冯垚垚 ,  郑文君 ,  袁江

IPC: G06V20/00 ,  G06V20/80 ,  G06V20/70 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/082

Abstract: 本发明公开了一种古籍图像文字篡改的检测方法，主要涉及文本图像篡改检测领域；包括步骤：S1、通过边缘监督分支和噪声敏感分支用于提取语义不可知特征；S2、通过E‑2‑N/N‑2‑E Help Block有效地传递不同分支特征之间的信息，从而提高网络的性能；S3、通过双重注意力模块进行特征融合，得到最终的特征向量，最终转化为分割图；本发明相比于传统的检测方法在AUC和F1指标均得到了提升。

公开(公告)号：CN118862873A

公开(公告)日：2024-10-29

申请号：CN202410947230.2

申请日：2024-07-16

Applicant: 西南大学

Inventor： 陈善雄 ,  阮秋玥 ,  马雨琪 ,  李永博 ,  王玥然 ,  袁江

IPC: G06F40/279 ,  G06F40/216 ,  G06V10/764 ,  G06V10/774 ,  G06N3/08

Abstract: 本发明提供一种基于双分支模拟的古汉字增量学习方法，包括步骤：S1、采集足够数量的若干种古文字图像，包括甲骨文、古彝文和东巴文；S2、将图像数据集分为已知类别和新类别，再将这两类数据集分别划分为训练集和测试集；S3、构建基于双分支模拟的古汉字增量学习模型；S4、将预处理后的训练集输入基于双分支模拟的古代汉字增量学习模型中进行训练；S5、将待分类的已知古文字图像送入到训练好的基于双分支模拟的古代汉字增量学习模型中进行分类；S6、将新类别训练数据集的古汉字图像输入训练好的基于双分支模拟的古代汉字增量学习模型中，仅对模型的分类器进行部分参数更新(此阶段不进行反向传播)。S7、将所有类别(包括已知类和新类)的待分类古汉字图像输入更新后的模型进行分类，本发明能够实现在无需使用已有数据集和新类数据集重新训练整个网络的条件下对古文字新旧类图像进行自动分类，实现对古文字的可持续性学习，促进古文字研究与人工智能的结合。

公开(公告)号：CN114969984A

公开(公告)日：2022-08-30

申请号：CN202210674716.4

申请日：2022-06-15

Applicant: 西南大学

Inventor： 王峥荣 ,  袁江 ,  李清颖

IPC: G06F30/15 ,  G06F30/20

Abstract: 本发明公开了一种交叉带分拣机运行状态仿真的参数化建模方法，包括：S1.采集分拣机设备的自由参数；所述分拣机设备包括分拣小车、落包口以及供包台；所述自由参数包括分拣小车个数、落包口个数以及供包台个数；S2.将分拣机设备抽象为特征几何体；S3.构建仿真界面坐标系；S4.基于仿真界面坐标系，以所述特征几何体以及所述自由参数作为建模参数，对分拣机设备进行参数化建模，得到分拣机运行状态的仿真结果。本发明能够快速生成交叉带分拣机运行状态的仿真界面，并尽可能地模拟交叉带分拣设备布局的真实形貌。

公开(公告)号：CN114969984B

公开(公告)日：2024-09-13

申请号：CN202210674716.4

申请日：2022-06-15

Applicant: 西南大学

Inventor： 王峥荣 ,  袁江 ,  李清颖

IPC: G06F30/15 ,  G06F30/20

Abstract: 本发明公开了一种交叉带分拣机运行状态仿真的参数化建模方法，包括：S1.采集分拣机设备的自由参数；所述分拣机设备包括分拣小车、落包口以及供包台；所述自由参数包括分拣小车个数、落包口个数以及供包台个数；S2.将分拣机设备抽象为特征几何体；S3.构建仿真界面坐标系；S4.基于仿真界面坐标系，以所述特征几何体以及所述自由参数作为建模参数，对分拣机设备进行参数化建模，得到分拣机运行状态的仿真结果。本发明能够快速生成交叉带分拣机运行状态的仿真界面，并尽可能地模拟交叉带分拣设备布局的真实形貌。

公开(公告)号：CN117333887A

公开(公告)日：2024-01-02

申请号：CN202311200964.6

申请日：2023-09-18

Applicant: 西南大学

Inventor： 袁江 ,  陈善雄 ,  王玥然 ,  吴春明 ,  张重生 ,  莫伯峰

IPC: G06V30/244 ,  G06V30/19 ,  G06V30/18 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/084 ,  G06V10/82

Abstract: 一种基于深度学习的甲骨文字体分类方法，包括步骤：S1、采集甲骨文字体的临摹甲骨文图像；S2、首先对所有临摹甲骨文图像进行预处理，然后将图像数据集分为训练集和测试集，最后进行数据增强；S3、构建基于深度学习的甲骨文字体分类模型；S4、将步骤S2中预处理后的训练集输入步骤S3搭建的基于深度学习的甲骨文字体分类模型中进行训练，用交叉熵损失函数进行反向传播更新网络参数，并通过AdamW优化器优化模型，最终得到训练好的基于深度学习的甲骨文字体分类模型；S5、将待分类的临摹甲骨文图像送入到步骤S4得到的训练好的基于深度学习的甲骨文字体分类模型中进行分类，得到待分类的临摹甲骨文图像的字体分类结果。

公开(公告)号：CN118537872A

公开(公告)日：2024-08-23

申请号：CN202410505468.X

申请日：2024-04-25

Applicant: 西南大学

Inventor： 马雨琪 ,  陈善雄 ,  熊海灵 ,  肖文俊 ,  袁江

IPC: G06V30/246 ,  G06V30/148 ,  G06V30/18 ,  G06V30/19 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 一种基于Swin Transformer东巴文检测方法，包括以下步骤：步骤一：收集东巴文字图像，建立东巴文数据集；步骤二：将东巴文字图像划分为训练集与测试集，并进行数据增强处理；步骤三：构建基于Swin Transformer东巴文检测模型；步骤四：将训练集输入步骤三中的东巴文检测模型进行训练，得到训练好的基于Swin Transformer东巴文检测模型；步骤五：将待检测的含有东巴文字的图像送入到步骤四所得到的训练好的基于Swin Transformer东巴文检测模型中，进行文本检测，输出东巴文字。