-
公开(公告)号：CN119579572A
公开(公告)日：2025-03-07
申请号：CN202411770346.X
申请日：2024-12-04
Applicant: 哈尔滨工业大学 , 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 基于红外热像仪的道路表观破损快速检测及可视化方法、系统，属于道路无损检测技术领域。为了解决现有的深度学习模型进行道路表观破损存在可解释性差的问题，本发明首先获取道路表观破损的图像，然后将将YOLO模型的骨干网络中的至少一个C2f模块替换为Swin Transformer模块，并将图像输入改进的YOLO模型进行破损检测；在改进的YOLO模型的处理过程中，采用考虑损失的平滑梯度类激活映射算法进行可视化。
-
公开(公告)号：CN118941841B
公开(公告)日：2025-05-06
申请号：CN202410940285.0
申请日：2024-07-15
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/80 , G06V10/774 , G06T7/11 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 融合多重注意力机制的道路隐蔽病害自动识别方法、存储介质及设备，属于探地雷达道路无损检测技术领域。为了解决探地雷达图像鉴别极度依赖人工的问题，以及复杂场景下道路隐蔽病害识别模型的精确度与鲁棒性不佳的问题。本发明针对探地雷达采集到的原始图像进行预处理后送入基于YOLOv8的改进网络，即融合多重注意力机制的YOLOv8模型进行识别，将骨干网络中的标准卷积层替换为深度可分离卷积层；在颈部网络中进行特征融合的过程中，在颈部网络中每一个上采样之后的C2f模块之后，插入一个由混合注意力机制模块与SE注意力模块并行连接形成的多重注意力机制MSE模块；基于融合多重注意力机制的YOLOv8得到道路隐蔽病害。
-
公开(公告)号：CN117269954B
公开(公告)日：2024-04-16
申请号：CN202311093852.5
申请日：2023-08-28
Applicant: 哈尔滨工业大学
IPC: G01S13/88
Abstract: 一种基于YOLO的探地雷达道路多重隐蔽病害实时识别方法。目前的探地雷达道路识别方法中未有兼备同时对多种病害信息同时识别并实时且及时的检测过程。本发明中的探地雷达道路多重隐蔽病害实时识别方法为将采集后雷达数据进行预处理后进行筛选，筛选后的数据进行多重道路隐患目标标注后制作形成图像数据集，利用训练优化完毕的YOLO神经网络模型对图像数据集进行平均精度AP、精确率P、召回率R、调和平均值F1、平均精度均值mAP、每秒传输帧数FPS和/或推理时间XX的识别和评估过程。
-
公开(公告)号：CN117173618A
公开(公告)日：2023-12-05
申请号：CN202311147890.4
申请日：2023-09-06
Applicant: 哈尔滨工业大学
IPC: G06V20/50 , G06V10/44 , G06V10/766 , G06V10/77 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 基于多特征感知的Faster R‑CNN的探地雷达空洞目标识别方法，涉及一种探地雷达的道路空洞目标识别方法。为了解决现有技术识别检测探地雷达道路内部空洞目标时存在检测精度低的问题。本发明利用基于多特征感知的Faster R‑CNN网络模型对探地雷达图像进行空洞病害的目标识别；网络模型包括特征提取网络、多特征感知提取候选框网络和检测网络；多特征感知提取候选框网络将特征提取网络提取的特征图经过RPN网络，使用位置预测分支和形状预测分支分别对雷达图像中病害的形状及位置进行预测，将预测到的信息进行多特征融合得到空洞精确特征；多特征融合模块同时进行偏移域处理得到新特征图，对特征图进行裁剪过滤之后通过Soft‑NMS判断空洞属于前景还是后景。
-
公开(公告)号：CN117152083A
公开(公告)日：2023-12-01
申请号：CN202311120320.6
申请日：2023-08-31
Applicant: 哈尔滨工业大学
IPC: G06T7/00 , G06T7/90 , G06T5/00 , G06T11/00 , G06V10/77 , G06V10/774 , G06V10/82 , G06V20/70 , G06N3/0464 , G06N3/047 , G06N3/048 , G01S13/88 , G01S13/89 , G01S7/41
Abstract: 一种基于类别激活映射的探地雷达道路病害图像预测可视化方法。探地雷达图像属于非自然图像，因其表现特征的多样性使其难以形成统一且规范的全面分析过程，缺乏定量且可视化的可靠方式。本发明中探地雷达道路病害图像预测可视化方法为将采集后雷达数据进行提高病害区域对比度以及不同类型病害的标注后形成图像数据集，利用通过训练得到标准权重模型对图像数据集进行特征向量的投影的计算得到RGB彩色图，通过RGB彩色图中的彩色颜色分布规律形成对采集后雷达数据形成进行可视化评估过程。
-
Patent Agency Ranking
公开(公告)号：CN117152083B
公开(公告)日：2024-04-09
申请号：CN202311120320.6
申请日：2023-08-31
Applicant: 哈尔滨工业大学
IPC: G06T7/00 , G06T7/90 , G06T5/90 , G06T11/00 , G06V10/77 , G06V10/774 , G06V10/82 , G06V20/70 , G06N3/0464 , G06N3/047 , G06N3/048 , G01S13/88 , G01S13/89 , G01S7/41
Abstract: 一种基于类别激活映射的探地雷达道路病害图像预测可视化方法。探地雷达图像属于非自然图像，因其表现特征的多样性使其难以形成统一且规范的全面分析过程，缺乏定量且可视化的可靠方式。本发明中探地雷达道路病害图像预测可视化方法为将采集后雷达数据进行提高病害区域对比度以及不同类型病害的标注后形成图像数据集，利用通过训练得到标准权重模型对图像数据集进行特征向量的投影的计算得到RGB彩色图，通过RGB彩色图中的彩色颜色分布规律形成对采集后雷达数据形成进行可视化评估过程。
-
公开(公告)号：CN117269954A
公开(公告)日：2023-12-22
申请号：CN202311093852.5
申请日：2023-08-28
Applicant: 哈尔滨工业大学
IPC: G01S13/88
Abstract: 一种基于YOLO的探地雷达道路多重隐蔽病害实时识别方法。目前的探地雷达道路识别方法中未有兼备同时对多种病害信息同时识别并实时且及时的检测过程。本发明中的探地雷达道路多重隐蔽病害实时识别方法为将采集后雷达数据进行预处理后进行筛选，筛选后的数据进行多重道路隐患目标标注后制作形成图像数据集，利用训练优化完毕的YOLO神经网络模型对图像数据集进行平均精度AP、精确率P、召回率R、调和平均值F1、平均精度均值mAP、每秒传输帧数FPS和/或推理时间XX的识别和评估过程。
-
公开(公告)号：CN118941841A
公开(公告)日：2024-11-12
申请号：CN202410940285.0
申请日：2024-07-15
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/80 , G06V10/774 , G06T7/11 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 融合多重注意力机制的道路隐蔽病害自动识别方法、存储介质及设备，属于探地雷达道路无损检测技术领域。为了解决探地雷达图像鉴别极度依赖人工的问题，以及复杂场景下道路隐蔽病害识别模型的精确度与鲁棒性不佳的问题。本发明针对探地雷达采集到的原始图像进行预处理后送入基于YOLOv8的改进网络，即融合多重注意力机制的YOLOv8模型进行识别，将骨干网络中的标准卷积层替换为深度可分离卷积层；在颈部网络中进行特征融合的过程中，在颈部网络中每一个上采样之后的C2f模块之后，插入一个由混合注意力机制模块与SE注意力模块并行连接形成的多重注意力机制MSE模块；基于融合多重注意力机制的YOLOv8得到道路隐蔽病害。
-
公开(公告)号：CN116973914B
公开(公告)日：2024-06-11
申请号：CN202311147958.9
申请日：2023-09-06
Applicant: 哈尔滨工业大学
IPC: G01S13/88
Abstract: 一种基于三维探地雷达的道路隐蔽病害三维重构方法，涉及道路隐蔽病害三维探地雷达检测领域。所述方法是：步骤1：对待检测道路进行三维探地雷达无损检测，采集三维探地雷达数据；步骤2：对三维探地雷达数据进行时频转换、增益、带通滤波、背景去除及偏移处理；步骤3：对三维探地雷达数据在各测道间进行插值，提取能量、瞬时振幅及瞬时相位特征分别合成三个道路三维探地雷达特征数据体；步骤4：对三个道路三维探地雷达特征数据体进行归一化处理，利用小波变换法融合得到道路三维探地雷达融合特征数据体；步骤5：利用K‑means聚类分析方法和面绘制技术，对道路三维探地雷达融合特征数据体中的隐蔽病害进行三维重构。本发明用于道路隐蔽病害三维重构。
-
公开(公告)号：CN117173618B
公开(公告)日：2024-04-30
申请号：CN202311147890.4
申请日：2023-09-06
Applicant: 哈尔滨工业大学
IPC: G06V20/50 , G06V10/44 , G06V10/766 , G06V10/77 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 基于多特征感知的Faster R‑CNN的探地雷达空洞目标识别方法，涉及一种探地雷达的道路空洞目标识别方法。为了解决现有技术识别检测探地雷达道路内部空洞目标时存在检测精度低的问题。本发明利用基于多特征感知的Faster R‑CNN网络模型对探地雷达图像进行空洞病害的目标识别；网络模型包括特征提取网络、多特征感知提取候选框网络和检测网络；多特征感知提取候选框网络将特征提取网络提取的特征图经过RPN网络，使用位置预测分支和形状预测分支分别对雷达图像中病害的形状及位置进行预测，将预测到的信息进行多特征融合得到空洞精确特征；多特征融合模块同时进行偏移域处理得到新特征图，对特征图进行裁剪过滤之后通过Soft‑NMS判断空洞属于前景还是后景。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.03 seconds)
