公开(公告)号：CN119494945A

公开(公告)日：2025-02-21

申请号：CN202510072061.7

申请日：2025-01-17

Applicant: 中南大学

Inventor： 周中 ,  李世帅 ,  周诗荣 ,  李洪昌 ,  李振潇 ,  卢王豪 ,  王书诺 ,  隋玉超

IPC: G06V10/20 ,  G06N3/0455 ,  G06N3/0475 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明涉及图像处理技术领域，具体涉及一种隧道病害图像去模糊方法、设备及介质，本发明方法包括快速通道混洗网络和多分支特征融合模块，本发明采用快速通道混洗网络替换替换DeblurGAN‑V2网络中的主干网络，所述快速通道混洗网络减少了计算复杂度，同时保持较高的准确度和效率，所述快速通道混洗网络包括傅里叶卷积，傅里叶卷积可以在频域上进行全局运算，通过在频域上执行部分卷积操作，使得每一层卷积具有更大的感受野，更好地恢复图像中的细节信息。本发明利用多分支特征融合模块替代DeblurGAN‑V2中特征金字塔的自下而上特征融合部分，简化了网络结构，提高了特征融合效率，提升了网络的整体去模糊性能。

公开(公告)号：CN119494945B

公开(公告)日：2025-04-22

申请号：CN202510072061.7

申请日：2025-01-17

Applicant: 中南大学

Inventor： 周中 ,  李世帅 ,  周诗荣 ,  李洪昌 ,  李振潇 ,  卢王豪 ,  王书诺 ,  隋玉超

IPC: G06V10/20 ,  G06N3/0455 ,  G06N3/0475 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明涉及图像处理技术领域，具体涉及一种隧道病害图像去模糊方法、设备及介质，本发明方法包括快速通道混洗网络和多分支特征融合模块，本发明采用快速通道混洗网络替换替换DeblurGAN‑V2网络中的主干网络，所述快速通道混洗网络减少了计算复杂度，同时保持较高的准确度和效率，所述快速通道混洗网络包括傅里叶卷积，傅里叶卷积可以在频域上进行全局运算，通过在频域上执行部分卷积操作，使得每一层卷积具有更大的感受野，更好地恢复图像中的细节信息。本发明利用多分支特征融合模块替代DeblurGAN‑V2中特征金字塔的自下而上特征融合部分，简化了网络结构，提高了特征融合效率，提升了网络的整体去模糊性能。

公开(公告)号：CN119493966A

公开(公告)日：2025-02-21

申请号：CN202510072047.7

申请日：2025-01-17

Applicant: 中南大学

Inventor： 周中 ,  李洪昌 ,  周诗荣 ,  李世帅 ,  李振潇 ,  隋玉超 ,  卢王豪 ,  王书诺

IPC: G06F18/20 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/086 ,  G06N3/0985 ,  G06F18/15 ,  G06F18/213

Abstract: 本发明涉及路基沉降预测技术领域，具体涉及一种基于深度学习的路基沉降预测方法、电子设备及介质，本发明提供的路基沉降预测方法采用路基沉降预测模型进行预测，该模型采用卷积神经网络与双向长短时记忆网络相结合，有效地捕捉时空特征，提高了模型的预测精度与稳定性；通过引入通道注意力增强机制模块，对不同特征通道进行动态加权，提升模型对关键特征的选择能力，增强模型对数据中细微变化的敏感性和对全局特征的捕捉能力；通过遗传算法对模型进行训练，提升效率，遗传算法能够在复杂的超参数空间中自动找到最优组合，使得模型在不同的路基沉降数据集上均能表现出良好的泛化能力，提升模型的预测精度。