-
公开(公告)号：CN116797849A
公开(公告)日：2023-09-22
申请号：CN202310851130.5
申请日：2023-07-11
Applicant: 郑州大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T7/00
Abstract: 本发明公开了一种用于工业制品表面缺陷检测的数据标注方法，包括步骤：使用缺陷已标注数据集对特征提取模型和标注分类模型进行训练，利用训练好的特征提取模型提取缺陷未标注数据集的特征向量，将上述特征向量输入到训练好的标注分类模型，挑选出需要人工标注的样本图像，交给人工标注；将人工标注的样本图像扩充到已标注数据集，并从缺陷未标注数据集中去除；判断上述特征提取模型和标注分类模型是否达到要求，达到要求则结束缺陷分类标注，否则重复上述训练。该方法不仅降低标注成本，还提高标注效率和标注质量。
-
公开(公告)号：CN114140742A
公开(公告)日：2022-03-04
申请号：CN202111300346.X
申请日：2021-11-04
Applicant: 郑州大学
Abstract: 本发明公开了一种基于光场深度图像的轨道异物入侵检测方法，该方法包括如下步骤：利用光场相机拍摄并采集直线轨道的背景图像，通过Lytro Desktop软件得到背景图像的原始RGB图像和深度图像；在背景图像的RGB图像中提取直线轨道并建立危险区域异物检测窗口；利用光场相机拍摄并采集轨道危险区域检测图像，对所获得的RGB图像和深度图像进行预处理；对预处理后的轨道危险区域检测图像进行显著物检测，获得异物图像，标记异物图像中的异物；若监测到异物，则发出报警信号，否则，继续监测异物。该发明利用光场相机可以同时获得RGB图像和深度图像的特点，引入深度差特征实现了对轨道异物入侵的自动检测，节省人力和成本，有效避免列车运行过程中的交通事故。
-
公开(公告)号：CN116720570A
公开(公告)日：2023-09-08
申请号：CN202310851152.1
申请日：2023-07-11
Applicant: 郑州大学
IPC: G06N3/091 , G06F18/24 , G06F18/214
Abstract: 本发明公开了一种基于数据不确定性和多样性的主动学习方法；该方法包括首先需要随机选取部分样本，进行人工注释，形成已标记数据；然后用已标记数据进行模型训练；接着，用训练过的初始标注分类模型，估计未标记数据的不确定性；随后，根据未标记样本的不确定性程度，选择出多个不确定性程度高的样本，基于之前已标记样本和根据不确定性程度选择出的样本，再选择出多个具有多样性的数据样本，组合成具有高信息量的混合样本，将其进行人工标注；然后，本发明把标记后的数据合并到标记的数据集，并且从未标记数据集中将其删除，然后迭代，分类模型会用越来越多的已标记数据进行训练，经过多次的迭代，标注分类模型性能也会逐渐随之提高。
-
公开(公告)号：CN110751182A
公开(公告)日：2020-02-04
申请号：CN201910902928.1
申请日：2019-09-24
Applicant: 郑州大学
Abstract: 本发明涉及一种区域上下文关系深度学习的图像标注方法：针对当前通用的图像标注方法大多基于图像的视觉特征，尤其是深度特征，但是当需要标注的语义关键词较多且分散时，仅仅依靠视觉特征不能有效地解决复杂的图像标注问题。本发明提出基于区域上下文关系深度学习网络的图像标注方法，自动学习图像中区域之间的上下文关系，并将上下文关系融入区域的特征表达，然后将各个区域的特征累加作为图像的特征，最后学习多类别支持向量机对每个图像进行语义识别并对各语义的贡献值排序，得到标注关键词。本发明灵活方便，在实现图像标注的同时，能够自动学习图像的区域上下文关系，具有较强的实用性。
-
Patent Agency Ranking
公开(公告)号：CN119681385A
公开(公告)日：2025-03-25
申请号：CN202510078466.1
申请日：2025-01-17
Applicant: 郑州大学
Abstract: 本发明属于焊缝识别与跟踪技术领域，具体涉及一种基于多模态信息的焊缝识别与跟踪方法、自动焊接装置及计算机设备。方法包括以下步骤：获取待焊接工件的RGB图像和深度图像，将获取到的RGB图像和深度图像输入到训练后的焊缝识别模型中得到焊缝的识别结果；所述焊缝识别模型包括特征提取模块和特征融合模块，特征提取模块用于提取不同层次的RGB特征和不同层次的深度特征，特征融合模块用于将同一层次的RGB特征和深度特征进行融合得到该层次的多模态融合特征，并将不同层次的多模态融合特征进行拼接进行输出。能够精准识别焊缝，避免焊接过程的烟雾和光线干扰。
-
公开(公告)号：CN118071732A
公开(公告)日：2024-05-24
申请号：CN202410387275.9
申请日：2024-04-01
Applicant: 郑州大学
IPC: G06T7/00 , G06V10/764 , G06V10/766 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/084 , G06V10/80
Abstract: 本发明提供一种基于上下文感知的小样本玻璃气泡缺陷检测装置及方法，其中所述方法包括以下步骤：获取待检测玻璃气泡缺陷图像；将所述待检测玻璃图像输入预先训练的特征提取模型，得到与所述待检测玻璃气泡缺陷图像对应的图像特征；将所得到的图像特征输入预先训练的用于小样本的玻璃气泡缺陷检测模型，得到与待检测玻璃图像对应的玻璃气泡缺陷检测结果，其中，玻璃气泡缺陷检测结果用于表征待检测玻璃气泡缺陷图像中是否存在气泡缺陷；本发明可以有效的解决小样本缺陷检测任务中由于目标域的缺陷图像样本量过少导致缺陷检测模型难以对目标域的新类样本有效的识别，我们通过将方法集成到我们的装置中，实现方法的即插即用，提高模型的应用效率。
-
公开(公告)号：CN114140742B
公开(公告)日：2024-11-19
申请号：CN202111300346.X
申请日：2021-11-04
Applicant: 郑州大学
Abstract: 本发明公开了一种基于光场深度图像的轨道异物入侵检测方法，该方法包括如下步骤：利用光场相机拍摄并采集直线轨道的背景图像，通过Lytro Desktop软件得到背景图像的原始RGB图像和深度图像；在背景图像的RGB图像中提取直线轨道并建立危险区域异物检测窗口；利用光场相机拍摄并采集轨道危险区域检测图像，对所获得的RGB图像和深度图像进行预处理；对预处理后的轨道危险区域检测图像进行显著物检测，获得异物图像，标记异物图像中的异物；若监测到异物，则发出报警信号，否则，继续监测异物。该发明利用光场相机可以同时获得RGB图像和深度图像的特点，引入深度差特征实现了对轨道异物入侵的自动检测，节省人力和成本，有效避免列车运行过程中的交通事故。
-
公开(公告)号：CN113963202A
公开(公告)日：2022-01-21
申请号：CN202111215393.4
申请日：2021-10-19
Applicant: 郑州大学 , 河南信通智能物联有限公司
IPC: G06V10/764 , G06V40/20 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本申请提供一种骨骼点动作识别方法、装置、电子设备及存储介质，用于改善对骨骼点动作进行识别的准确率较低的问题。该方法包括：获取目标生物的骨骼点数据；使用神经网络模型中的批量归一化层对骨骼点数据进行批量归一化运算，得到归一化后的数据；使用神经网络模型中的第一模块对归一化后的数据进行计算，得到第一特征图；使用神经网络模型中的多个第二模块对第一特征图进行计算，得到第二特征图，第一模块和第二模块均包括批感知注意BAM网络；使用神经网络模型中的全连接层对第二特征图进行分类，获得分类结果，分类结果表征从目标生物识别出的动作类别。
-
公开(公告)号：CN112037149A
公开(公告)日：2020-12-04
申请号：CN202010928564.7
申请日：2020-09-07
Applicant: 郑州大学
IPC: G06T5/00
Abstract: 本发明涉及一种深度原始对偶近端网络的图像复原方法；针对当前常用的图像复原方法大多通过优化非光滑惩罚似然函数，这类方法对降质图像的复原过程是一个耗时的优化过程。本发明针对均匀模糊和高斯噪声的降质图像，基于原始对偶分裂算法发明一种深度原始对偶近端网络，并将该网络运用到图像复原任务中，该网络中每一层代表原始对偶分裂算法的一次迭代，初始化构建20层的深度网络，网络中特征映射矩阵为局部稀疏矩阵，通过端到端的梯度后向传播和梯度下降算法学习网络系数，能够很好地复原出原始图像内容。本发明灵活方便，网络训练完成后，只需将降质图像在网络中正向传播就可以在网络输出端得到复原的图像，具有很强的实用性。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.116 seconds)
