-
公开(公告)号：CN116765026A
公开(公告)日：2023-09-19
申请号：CN202310750652.6
申请日：2023-06-25
Applicant: 南通理工学院
Abstract: 本发明公开了一种计算机零件生产用清理设备，涉及计算机硬件加工技术领域，包括清理箱、开口承装笼、定位驱动机构以及间歇清理机构。本发明通过在清理箱上设置定位驱动机构和间歇清理机构，避免了当下射流喷水的清理方式，造成的相邻线路板缝隙间残留污物随附着水膜回流至靠近楞端的部分线路板表面的现象，使得计算机线路板清理的更彻底；转动盘进行间歇转动，使得开口承装笼与鼓泡罩二者进行非同步转动，实现了对开口承装笼内计算机线路板上槽孔进行全方位的清理，避免上一槽孔内泳出的颗粒状污物对下一槽孔的清理造成影响，也防止了脱落的颗粒污物堵塞鼓泡罩上的气孔。
-
公开(公告)号：CN119027316B
公开(公告)日：2025-04-25
申请号：CN202411141945.5
申请日：2024-08-20
Applicant: 南通理工学院
IPC: G06T3/4053 , G06T3/4046 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种应用于图像超分辨率重构的生成对抗网络方法，包括采用残差连接模块和密集连接模块构建连接图像不同层特征信息的残差密集连接模块；建立依据不同特征的重要程度分配不同权值的特征权值分配注意力机制；结合内容损失函数、感知损失函数和对抗损失函数得到混合损失函数；通过残差密集连接模块、特征权值分配注意力机制和混合损失函数，建立基于残差密集连接的生成对抗网络；根据图像训练集对基于残差密集模块的生成对抗网络进行训练；将需要分辨率重构的图像输入训练完成的基于残差密集连接的生成对抗网络，得到重构的超分辨率图像，提高多层信息的融合，抑制背景噪声，防止梯度消失、梯度爆炸问题；增强了图像的清晰度。
-
公开(公告)号：CN119027316A
公开(公告)日：2024-11-26
申请号：CN202411141945.5
申请日：2024-08-20
Applicant: 南通理工学院
IPC: G06T3/4053 , G06T3/4046 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种应用于图像超分辨率重构的生成对抗网络算法，包括采用残差连接模块和密集连接模块构建连接图像不同层特征信息的残差密集连接模块；建立依据不同特征的重要程度分配不同权值的特征权值分配注意力机制；结合内容损失函数、感知损失函数和对抗损失函数得到混合损失函数；通过残差密集连接模块、特征权值分配注意力机制和混合损失函数，建立基于残差密集连接的生成对抗网络；根据图像训练集对基于残差密集模块的生成对抗网络进行训练；将需要分辨率重构的图像输入训练完成的基于残差密集连接的生成对抗网络，得到重构的超分辨率图像，提高多层信息的融合，抑制背景噪声，防止梯度消失、梯度爆炸问题；增强了图像的清晰度。
-
公开(公告)号：CN118799571A
公开(公告)日：2024-10-18
申请号：CN202410762499.3
申请日：2024-06-13
Applicant: 南通理工学院
IPC: G06V10/26 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08 , G06T7/10 , G06T7/00
Abstract: 本发明公开了一种基于双特征注意力与残差金字塔的颅脑分割图获取方法，在原始U‑Net网络上添加多尺度残差金字塔与双特征注意力机制，形成双特征注意力残差金字塔模型，将颅脑原始图像输入至双特征注意力残差金字塔模型得到颅脑分割图；在原始U‑Net网络每一层的卷积模块后添加一个多尺度残差金字塔模块，多尺度残差金字塔模块能够增强特征提取能力；在原始U‑Net网络的同层图像通道连接部分，增加双特征注意力机制；上采样的过程中需要增大图像尺寸，导致部分特征丢失，使用上层下采样信息与上采样结果进行特征融合，保留原始图像中的颅脑软组织的信息；并结合通道注意力与空间注意力，增强特征信息与位置信息，提升模型的分割精度。
-
公开(公告)号：CN118747804A
公开(公告)日：2024-10-08
申请号：CN202410967147.1
申请日：2024-07-18
Applicant: 南通理工学院
IPC: G06V10/26 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于混合连接的全尺度肺部图像分割算法，包括采用ConvModule模块，C2f模块，DarknetBottlenet模块和SPPF模块构建肺部图像特征提取模块；构建连接同层上尺度特征的同层特征密集尺度连接模块；构建以跳跃连接的方式将不同层的特征数据进行融合的异层特征稀疏跳跃连接模块；通过同层特征密集尺度连接模块的密集尺度连接和异层特征稀疏跳跃连接模块的稀疏跳跃连接，构建混合连接的全尺度分割模型；根据肺部的图像数据生成的训练集和测试集，对混合连接的全尺度分割模型进行训练；采用训练完成的全尺度分割模型，获取肺部图像分割结果。提高肺部图像分割精度，防止复杂特征丢失和深层网络的梯度消失，避免边缘特征的丢失。
-
Patent Agency Ranking
公开(公告)号：CN114565654A
公开(公告)日：2022-05-31
申请号：CN202210230937.2
申请日：2022-03-09
Applicant: 南通理工学院
Abstract: 本发明公开了一种基于多圆盘掩膜的眼底图像配准方法，包括下列步骤：步骤1、完成眼底图像中血管树的分割识别，获取血管分叉点位置；步骤2、利用多圆盘掩膜组成的结构提取血管分叉点的周围信息形成对应的特征向量；步骤3、根据特征向量中的血管长度进行粗特征点配准，以特征向量的距离特征进行对比确定两幅眼底图像是否粗配准成功；步骤4、对粗配准成功的眼底图像以相应血管分叉点为中心进行旋转，更新特征向量中的角度特征，完成眼底图像的精确配准。本发明基本不受待配准的眼底图像的旋转角度差异影响，有效提高了配准效率，满足了现代医学对眼底图像处理实时性的要求。
-
公开(公告)号：CN118747804B
公开(公告)日：2025-04-15
申请号：CN202410967147.1
申请日：2024-07-18
Applicant: 南通理工学院
IPC: G06V10/26 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于混合连接的全尺度肺部图像分割算法，包括采用ConvModule模块，C2f模块，DarknetBottlenet模块和SPPF模块构建肺部图像特征提取模块；构建连接同层上尺度特征的同层特征密集尺度连接模块；构建以跳跃连接的方式将不同层的特征数据进行融合的异层特征稀疏跳跃连接模块；通过同层特征密集尺度连接模块的密集尺度连接和异层特征稀疏跳跃连接模块的稀疏跳跃连接，构建混合连接的全尺度分割模型；根据肺部的图像数据生成的训练集和测试集，对混合连接的全尺度分割模型进行训练；采用训练完成的全尺度分割模型，获取肺部图像分割结果。提高肺部图像分割精度，防止复杂特征丢失和深层网络的梯度消失，避免边缘特征的丢失。
-
公开(公告)号：CN116809786A
公开(公告)日：2023-09-29
申请号：CN202310858562.9
申请日：2023-07-13
Applicant: 南通理工学院 , 无锡沃环仪表科技有限公司
Abstract: 本发明公开了一种机箱挡板冲压加工的送料装置，涉及冲压机领域，包括底部设置有上模的机头和设置有下模的冲压平台，所述冲压平台的两侧均设置有变向传动机构，所述机头和所述变向传动机构通过传动比调节机构连接，所述变向传动机构上设置有单向递送机构，且所述机头、所述传动比调节机构、所述变向传动机构和所述单向递送机构依次以机械传动方式连接，采用机头的升降运动来驱动和控制由传动比调节机构、变向传动机构和单向递送机构组成的送料装置，以增强送料装置与冲床的协同性，且具有制造成本、利于降低冲压工序所消耗的能源和提高送料装置的上下料效率的优点。
-
公开(公告)号：CN116188507A
公开(公告)日：2023-05-30
申请号：CN202310153599.1
申请日：2023-02-22
Applicant: 南通理工学院
Abstract: 本发明公开了一种图像边缘检测优化方法，包括下列步骤：步骤一、初始化；通过细菌趋化性耦合蚁群优化设计优化算子，将可行最优解转化为初始信息素矩阵，并将初始信息素矩阵中像素点的信息素初始化；步骤二、路径选择和信息素更新；蚂蚁移动每一步根据像素的信息素值和期望值计算转移概率，当蚂蚁经历一个像素点时进行信息素更新，并在完成迭代运算后，对全局信息素更新；步骤三、判断与图像分割；根据阈值将像素的最终信息素分为两部分并计算均值，进行所述阈值的更新，根据更新后的最终阈值进行边缘检测。本发明解决蚁群算法缺乏有效初始信息素的问题，提高了检测的准确度和抗噪性，使得检测目标具有更好的边缘连续性和更清晰的边缘。
-
公开(公告)号：CN119850429A
公开(公告)日：2025-04-18
申请号：CN202510161068.6
申请日：2025-02-13
Applicant: 南通理工学院
IPC: G06T3/4076 , G06T3/4046 , G06N3/094 , G06N3/0475 , G06N3/045 , G06N3/0442
Abstract: 本发明公开了基于LSTM密集连接的生成对抗网络的图像超分辨重构方法，包括将进行密集连接的多尺度特征提取模块和注意力机制进行残差连接，构建得到注意力机制的生成器；通过将若干LSTM网络进行密集连接，构建长短期记忆网络的判别器；将注意力机制的生成器和长短期记忆网络的判别器结合构建得到生成对抗网络模型；采用低分辨率图像和真实高分辨率图像的数据集对生成对抗网络模型中的注意力机制的生成器和长短期记忆网络的判别器进行微调训练；采用训练完成的生成对抗网络模型对目标图像进行超分辨重构得到超分辨率图像；避免传输过程中出现的特征梯度消失的问题，引导生成器生成细节更丰富的超分辨率图像。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.027 seconds)
