-
公开(公告)号：CN116681983B
公开(公告)日：2024-06-11
申请号：CN202310648368.8
申请日：2023-06-02
Applicant: 中国矿业大学
IPC: G06V10/82 , G06V10/80 , G06V10/77 , G06V10/774 , G06V10/24 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的狭长目标检测方法，涉及狭长目标检测技术领域，将测试图像输入至检测模型中，检测出图像中的目标物体，所述检测模型包括数据采集及预处理模块、狭长目标检测网络训练模块和测试图像检测框生成模块。本发明采用上述结构通过对数据预处理，得到合适大小的图像和增加训练样本，提高网络模型的泛化能力；在BackBone主干网络和Neck之间添加全局注意力机制GAM，增强网络对目标物体特征的提取能力，进而提高对目标的检测精度；引入定向边界框表示方法，进行检测框的准确回归，采用控制阈值去除生成的重复检测框，采用CIoU损失函数，获取更加精准的检测框结果。
-
Patent Agency Ranking
公开(公告)号：CN118898718A
公开(公告)日：2024-11-05
申请号：CN202411004607.7
申请日：2024-07-25
Applicant: 中国矿业大学
IPC: G06V10/26 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种增强边界感知的语义分割方法，属于语义分割技术领域，主要包括编码路径和解码路径，编码路径由5个编码模块组成，每个编码器对整个图像中目标区域的多层次语义信息进行编码，编码模块中不同尺度的卷积运算得到目标区域的多尺度信息；它利用池化操作有效地聚合了上下文语义；解码路径主要由四个模块组成，每个解码模块在注意力嵌入模块AEM的引导下，对不同分支的信息流进行聚合和细化，图卷积模块捕获大规模不规则区域的特征信息，注意嵌入模块生成互补的空间细节，更好地对编码特征进行建模。本发明采用上述的一种增强边界感知的语义分割方法，具备更精准的分割效果。
-
公开(公告)号：CN118898718B
公开(公告)日：2025-04-18
申请号：CN202411004607.7
申请日：2024-07-25
Applicant: 中国矿业大学
IPC: G06V10/26 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种增强边界感知的语义分割方法，属于语义分割技术领域，主要包括编码路径和解码路径，编码路径由5个编码模块组成，每个编码器对整个图像中目标区域的多层次语义信息进行编码，编码模块中不同尺度的卷积运算得到目标区域的多尺度信息；它利用池化操作有效地聚合了上下文语义；解码路径主要由四个模块组成，每个解码模块在注意力嵌入模块AEM的引导下，对不同分支的信息流进行聚合和细化，图卷积模块捕获大规模不规则区域的特征信息，注意嵌入模块生成互补的空间细节，更好地对编码特征进行建模。本发明采用上述的一种增强边界感知的语义分割方法，具备更精准的分割效果。
-
公开(公告)号：CN116681983A
公开(公告)日：2023-09-01
申请号：CN202310648368.8
申请日：2023-06-02
Applicant: 中国矿业大学
IPC: G06V10/82 , G06V10/80 , G06V10/77 , G06V10/774 , G06V10/24 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的狭长目标检测方法，涉及狭长目标检测技术领域，将测试图像输入至检测模型中，检测出图像中的目标物体，所述检测模型包括数据采集及预处理模块、狭长目标检测网络训练模块和测试图像检测框生成模块。本发明采用上述结构通过对数据预处理，得到合适大小的图像和增加训练样本，提高网络模型的泛化能力；在BackBone主干网络和Neck之间添加全局注意力机制GAM，增强网络对目标物体特征的提取能力，进而提高对目标的检测精度；引入定向边界框表示方法，进行检测框的准确回归，采用控制阈值去除生成的重复检测框，采用CIoU损失函数，获取更加精准的检测框结果。
-
公开(公告)号：CN119981852A
公开(公告)日：2025-05-13
申请号：CN202510217640.6
申请日：2025-02-26
Applicant: 中国矿业大学
IPC: E21B47/002 , E21B47/013 , E21B12/00 , E21B17/042
Abstract: 本发明公开了一种随钻钻孔成像探测方法和装置，属于地球物理学图像探测技术领域，包括前探测仪探杆和所述前探测仪探杆螺纹连接的后端钻杆，所述前探测仪探杆包括第一外套筒和设置在所述第一外套筒内部的第一内钻杆，所述一内钻杆的内部设置有摄像头，所述摄像头一侧设置有电子板；所述后端钻杆包括第二外套筒和设置在所述第二外套筒内部的第二内钻杆。本发明提供的一种随钻钻孔成像探测方法和装置，能够在打钻过程中，装在钻头上，随钻进行钻孔成像探测，大大降低探测成本，提高井下作业效率。
-
公开(公告)号：CN118115449A
公开(公告)日：2024-05-31
申请号：CN202410207028.6
申请日：2024-02-26
Applicant: 中国矿业大学
IPC: G06T7/00 , G06V10/764 , G06T7/33 , G06V10/74 , G06V10/40 , G06N3/0464 , G06V10/774
Abstract: 本发明公开了一种针对复杂纹理工业品的缺陷检测方法，包括：数据处理是采集参考数据和待检测数据制作参考图像库和待检测图像库，并对待检测图像进行标注，最后将标注数据转换为mask图像；使用图像配准的方法找到与待检测图像内容一致的参考图像，之后通过匹配到的特征点找到一个单应性矩阵H，将采集到的参考图像变换为与待检测图像大小一致的新的参考图像；使用基于Transformer的缺陷检测网络对待检测图像、新的参考图像以及mask图像进行表面缺陷检测网络的训练。本发明采用上述方法，可以有效地实现纹理复杂工业品的实时表面缺陷检测，能够在生产线中快速、准确地检测出蕾丝等纹理复杂工业品的缺陷，并及时进行处理和修复。
-
-
-
-
-
Search Results
6
records
(took 0.026 seconds)
