矿井突发灾害场景中显著性目标的快速检测方法及装置

    公开(公告)号:CN112541912B

    公开(公告)日:2024-03-12

    申请号:CN202011541385.4

    申请日:2020-12-23

    Abstract: 本发明涉及一种矿井突发灾害场景中显著性目标的快速检测方法及装置,属于计算机视觉技术领域,解决了现有的显著性目标检测方法的检测精度较差和速度较慢的问题。方法包括:获取关于矿井突发灾害场景的输入图像;构造Unet网络,将输入图像输入Unet网络,得到输入图像对应的分割映射图像;构造全卷积FCN网络,将输入图像输入全卷积FCN网络,得到输入图像对应的显著性映射图像;将输入图像对应的分割映射图像和输入图像对应的显著性映射图像融合,得到融合映射图像,并基于融合映射图像得到局部图;基于局部图获得最终的显著性目标。实现了矿井突发灾害场景中显著性目标的快速检测,提高了显著性目标检测的精度和速度。

    基于主动学习的少样本无参考图像质量评价算法

    公开(公告)号:CN117078659B

    公开(公告)日:2024-01-26

    申请号:CN202311221440.5

    申请日:2023-09-21

    Abstract: 本发明属于图像质量评价技术领域,具体地说,是一种基于主动学习的少样本无参考图像质量评价算法,借助主动学习选择少量代表性样本以减少模型对样本数量的需求。首先,从图像质量和图像内容两个方面选择少量代表性样本;其次,对选中的少量样本进行人工标注,获得图像质量分数;然后,用有标注的少量样本进行prompt调优,以提升模型对图像质量评价任务的预测能力,并重复此过程,直到被选中的样本的总数达到预期数量;最后,采用所有被选中的样本同时微调prompt和模型的少量参数,完成模型的最终训练。本发明通过主动学习选择代表性样

    一种非结构化环境的特种车辆自动驾驶路径规划方法

    公开(公告)号:CN117346805A

    公开(公告)日:2024-01-05

    申请号:CN202311150868.5

    申请日:2023-09-07

    Abstract: 一种非结构化环境的特种车辆自动驾驶路径规划方法,通过SLAM地面分割算法,将三维高度信息存储于相应栅格,获得非结构环境占用栅格图,再将所述栅格图地形数据划分为训练集和测试集;结合感知模块输入信息及特种车辆动力学建模,从栅格图地形数据中提取可通行区域,实现风险图构建;根据风险图构造自适应性的奖励函数,搭建强化学习模型以及Agent的神经网络;基于构建非结构化环境测试机进行训练,在每个训练周期初始化阶段构建随机函数,随机化起点和终点位置,使系统具泛化性;通过强化学习训练获得策略网络,在测试集中执行路径规划,实现非结构化环境下高效的处理环境信息,提高特种车辆面对不同地形的适应性及有效的自动驾驶。

    基于图像质量启发的盲图像去运动模糊算法

    公开(公告)号:CN116977220A

    公开(公告)日:2023-10-31

    申请号:CN202310985961.1

    申请日:2023-08-07

    Abstract: 本发明属于图像去模糊处理技术领域,具体地说,是一种基于图像质量启发的盲图像去运动模糊算法,基于去模糊算法旨在提高图像质量以及去模糊过程缺乏先验知识的事实,提出了图像质量先验引导的盲图像去运动模糊算法。具体而言,首先,借助基于深度神经网络的无参考图像质量评价模型提取包含质量信息的深度特征作为先验知识。然后,采用特征预测策略将先验知识嵌入图像去模糊模型的编码器中。最后,采用编码器复用策略将图像去模糊模型中解码器的输出图像再次输入模型编码器中并预测质量评价模型提取的清晰图像的质量特征。本发明在不增加计算成本的基础上,为去模糊模型引入图像质量先验知识,提高了模型的去模糊效果和泛化性能。

    基于卷积神经网络提取图像特征信息的方法及装置

    公开(公告)号:CN111767928B

    公开(公告)日:2023-08-08

    申请号:CN202010597462.1

    申请日:2020-06-28

    Abstract: 本发明涉及一种基于卷积神经网络提取图像特征信息的方法及装置,属于图像处理技术领域,解决了现有卷积神经网络中的卷积核基于系统随机生成造成浪费大量时间的问题。获取原始图像对应的原始图像矩阵,对原始图像矩阵进行分块,得到N个像素块;基于像素值依次为N个像素块添加标签,得到M个标签;获取每个标签中的1个像素块对应的像素值概率矩阵,基于像素值概率矩阵得到M个标签对应的M个卷积核;将原始图像矩阵输入卷积神经网络,基于M个标签及M个卷积核对原始图像矩阵进行卷积,得到原始图像对应的特征信息。实现了图像特征信息的提取,节省了卷积的时间。

    一种井下危险区域运动目标检测方法及装置

    公开(公告)号:CN110210447B

    公开(公告)日:2023-07-11

    申请号:CN201910507223.X

    申请日:2019-06-12

    Abstract: 本发明公开一种井下危险区域运动目标检测方法及装置,包括视频采集模块,用于采集井下区域的视频信息;目标检测模块,用于读取图像数据,将视频图像数据转换为灰度图像序列,并对灰度图像序列去躁、平滑预处理,再通过LOG边缘检测和几何曲率的纹理信息检测得到准确的运动目标的完整轮廓和结构;PC端控制模块,用于控制目标检测模块的运行;显示模块,用于实时显示检测到的运动目标位置信息;所述视频采集模块的一端与显示模块连接,所述视频采集模块的另一端与PC端控制模块连接,所述PC端控制模块的另一端与目标检测模块连接;本发明对光照变化有很好的鲁棒性,能够针对矿井危险区域人员进行准确、完整的提取。

    基于MLP改进模型的矿井模糊图像超分辨率重建方法

    公开(公告)号:CN115496665A

    公开(公告)日:2022-12-20

    申请号:CN202211317119.2

    申请日:2022-10-26

    Abstract: 本发明公开了一种基于MLP改进模型的矿井模糊图像超分辨率重建方法,该方法包括以下步骤:获取图像数据集;所述图像数据集包括训练图像数据集和测试图像数据集;构建递归残差网络,对输入图像进行多层特征提取;重建网络,对提取出来的图像进行重建,得到超分辨图像;采用训练图像数据集对递归网络进行训练;采用测试图像数据集,对递归网络进行评估,评估重构后的超分辨图像质量标准。本发明通过使用Mlpmixer模块,在特征融合之前对特征进行一个预处理,减少特征融合过程中的信息损失;避免信息过载问题,提高重建后超分辨图像的精准度;通过使用多通道网络结构,实现对重建特征信息的完善,从多方面保证了该网络提取图像特征信息的有效性。

Patent Agency Ranking