-
公开(公告)号：CN112132897A
公开(公告)日：2020-12-25
申请号：CN202010978343.0
申请日：2020-09-17
Applicant: 中国人民解放军陆军工程大学
Abstract: 一种基于深度学习之语义分割的视觉SLAM方法，涉及计算机视觉传感的技术领域。本发明通过RGB‑D深度相机采集图像，进行特征提取和语义分割，得到提取的ORB特征点与像素级语义分割结果；通过基于多视图几何动静点检测算法，检测出运动物体对象，删除ORB特征点；执行初始化建图：顺次执行跟踪、局部建图以及回环检测线程，根据关键帧位姿和静态背景修复技术获得的合成图像，构造出静态场景的八叉树三维点云地图，最终实现面向动态场景的基于深度学习之语义分割的视觉SLAM方法。本发明提高了动态场景下视觉SLAM的相机位姿估计和轨迹评估的精度，增强了动态场景下传统视觉SLAM系统性能的鲁棒性、稳定性以及精确性。
-
公开(公告)号：CN109685119A
公开(公告)日：2019-04-26
申请号：CN201811500515.2
申请日：2018-12-07
Applicant: 中国人民解放军陆军工程大学
CPC classification number: G06K9/6268 , G06N3/0454
Abstract: 本发明公开一种针对含有噪声图像分类的新型深度卷积神经网络方法，主要特点在于采用了随机最大值池化这一新的池化方法。随机最大值池化方法随机选取感受野范围内前n个较大值作为池化结果，首先将感受野范围内的所有值进行排序，选出前n个较大值；然后在前n个较大值中随机选取一个值作为池化结果。随机最大值池化方法结合了最大池化方法和随机池化方法的特点，既能保留感受野内主要特征信息，又能提高网络对感受野内噪声的抑制作用。本发明在CIFAR-10，SVHN和MNIST数据集上进行验证，取得较好效果。
-
公开(公告)号：CN109685118A
公开(公告)日：2019-04-26
申请号：CN201811500514.8
申请日：2018-12-07
Applicant: 中国人民解放军陆军工程大学
IPC: G06K9/62
CPC classification number: G06K9/6256 , G06K9/627 , G06K2209/23
Abstract: 一种基于卷积神经网络特征的弱分类器Adaboost车辆检测方法，针对基于卷积神经网络的车辆检测识别率高，但由于网络结构复杂带来的实时性不好的问题，设计一种高效鲁棒的车辆检测方法，首先建立一个较浅层的卷积神经网络来提取车辆特征，然后利用弱分类器Adaboost在卷积神经网络提取的特征空间中完成分类，最终完成车辆检测。本发明方法有效利用CNN强大的特征提取能力和弱分类器Adaboost的快速分类能力，同时又避免了深度的CNN训练与使用中运算量大的缺陷。通过自建数据数据集上与已有传统的CNN算法、Gabor+SVM算法、HOG+SVM算法进行了比对实验，本文提出的算法表现最好，实时性更好，准确率也高达98.1％，较好地解决了车辆检测问题。
-
公开(公告)号：CN109284779A
公开(公告)日：2019-01-29
申请号：CN201811047839.5
申请日：2018-09-04
Applicant: 中国人民解放军陆军工程大学
IPC: G06K9/62
Abstract: 本发明公开一种基于深度全卷积神经网络的物体检测方法，包括如下步骤：(10)样本集收集：将样本集图像分为训练集与测试集；(20)样本标注：对样本集图像中不同的物体用长方形物体框标注出物体位置，物体框必须与物体的边缘相切；完成图像中各物体的语义标注；(30)深度卷积网络模型获取：利用标注后的训练样本，对深度卷积网络进行多任务训练，同时完成语义分割和物体边界关键点预测，利用测试集样本对深度卷积网络进行测试，得到深度卷积网络模型；(40)物体检测：利用深度卷积网络模型，对现场图像进行物体检测。本发明基于深度卷积网络的物体检测方法，采用语义分割的思想，在完成语义分割的同时完成物体的边界关键点预测，同时实现了物体定位与物体分类。
-
公开(公告)号：CN109034370A
公开(公告)日：2018-12-18
申请号：CN201810678956.5
申请日：2018-06-27
Applicant: 中国人民解放军陆军工程大学
IPC: G06N3/04
CPC classification number: G06N3/0454
Abstract: 一种基于特征映射剪枝的卷积神经网络精简方法，针对某个任务训练好的卷积神经网络模型，自顶层到底层，逐层利用筛选策略对网络中的特征映射进行筛选，并通过关键点确定每一层的精简程度，每完成一层的筛选，对网络进行重新训练直到恢复之前的准确率，最终在不损失性能的前提下获得一个精简、高效的网络模型，以满足计算、存储资源有限情况下卷积神经网络的应用要求。实验表明，本发明可以有效地除去网络中对性能提升无效冗余的特征映射，在保持网络性能的同时，减少了网络规模，提升了网络的运行速度，对卷积神经网络在移动端的应用具有重要意义。
-
Patent Agency Ranking
公开(公告)号：CN117746054A
公开(公告)日：2024-03-22
申请号：CN202311767985.6
申请日：2023-12-21
Applicant: 中国人民解放军陆军工程大学
Abstract: 本发明公开了一种细粒度特征提取方法、细粒度图像识别方法及相关装置，本发明在分解双线性池化的框架中加入图神经网络，可融合空域上的相似特征，实现对多种视觉特征的充分利用，缓解双线性池化的视觉突发现象。
-
公开(公告)号：CN117523302A
公开(公告)日：2024-02-06
申请号：CN202311556035.9
申请日：2023-11-21
Applicant: 中国人民解放军陆军工程大学
IPC: G06V10/764 , G06V10/46 , G06V10/42 , G06V10/771 , G06T5/77
Abstract: 本发明公开了一种针对多尺度对抗补丁的图像分类、装置、存储介质及设备，属于图像处理技术领域，包括获取输入图像；对输入图像中的对抗补丁进行定位，得到对抗补丁的位置坐标；对输入图像中的位置坐标进行掩码，得到掩码图像；将掩码图像和输入图像分别输入到分类器和Softmax层连接组成的图像分类模型中，若输出的预测结果一致，则输出预测结果，完成图像分类；若输出的预测结果不一致，则对掩码图像进行图像修复得到修复图像，将修复图像和掩码图像分别输入到分类器中，得到两个logits向量，对两个logits向量进行加权求和后输入到Softmax层中，得到预测结果，完成图像分类；本发明能够提高图像分类的精确度。
-
公开(公告)号：CN117522704A
公开(公告)日：2024-02-06
申请号：CN202311573398.3
申请日：2023-11-23
Applicant: 中国人民解放军陆军工程大学
Abstract: 本发明公开了一种基于暗原色先验的水下图像增强方法，包括：通过直方图统计特性计算水体光强；将颜色通道像素值取反，得到逆通道并计算水体透射率；将水体光强和水体透射率代入基于暗原色先验建立的水下图像模型中，计算得到去模糊的水下图像；对去模糊的水下图像进行改进的白平衡处理，得到色彩增强的水下图像。本发明解决了水下复原图像颜色失真、对比度低、模糊的问题。
-
公开(公告)号：CN117496257A
公开(公告)日：2024-02-02
申请号：CN202311523828.0
申请日：2023-11-15
Applicant: 中国人民解放军陆军工程大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于细粒度特征编码的图像分类方法及系统，属于计算机视觉技术领域，具体为处理导入图像，获得局部图像数据用于制作训练数据并导入细粒度识别模型，进行特征提取、细粒度特征识别、细粒度特征拼接、细粒度特征分类，获得细粒度特征分类结果；特征分类结果代入交叉熵损失函数得到损失值并采用SGD优化器，获得细粒度特征编码器的优化参数用于调整细粒度识别模型，基于调整后的细粒度识别模型输入若干待推理图像进行细粒度类别的图像特征识别；本发明借助差异性多阶特征融合编码器(DMF)以多层感知机为基础架构；并通过多隐含层特征融合结构提取多阶特征，同时通过差异性区域激活模块降低特征冗余，能够克服高阶特征的视觉突发缺陷。
-
公开(公告)号：CN117473369A
公开(公告)日：2024-01-30
申请号：CN202311445906.X
申请日：2023-11-02
Applicant: 中国人民解放军陆军工程大学
IPC: G06F18/24 , G06N3/0464 , G06N3/084 , G06F18/15 , G06F18/214
Abstract: 本发明公开了一种基于ELCNN的旋转机械故障诊断方法及系统。所述方法包括：获取旋转机械故障振动信号；将旋转机械故障振动信号输入ELCNN模型，输出得到故障诊断分类结果；其中，所述ELCNN模型是通过将GCNN模型的卷积层数压缩为1层，优化卷积核尺寸和滤波器数量，去除卷积层的卷积核偏置和激活函数，去除池化层，并使用S‑GAP层替换GAP层得到的。本发明采用的模型更具轻量化、可解释性和抗噪性，且诊断正确率得到进一步提升。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.042 seconds)
