公开(公告)号：CN119722872A

公开(公告)日：2025-03-28

申请号：CN202510227784.X

申请日：2025-02-28

Applicant: 大连理工大学

Inventor： 张璐 ,  杨镒丞 ,  杜思雨 ,  卢湖川

IPC: G06T11/60 ,  G06T11/00

Abstract: 一种基于图像修复模型的文本驱动主体个性化补全方法，属于图像的生成和编辑领域。步骤一为个性化微调图像修复模型；步骤二为两阶段的图像补全。本发明通过进一步优化基于DreamBooth的个性化微调方法解决主体特征属性耦合问题，并提出向量分解进一步解决耦合问题，以及提出了两阶段图像个性化补全框架来提高图像修复质量，最终实现了高质量的文本驱动主体个性化补全方法。

公开(公告)号：CN117232401A

公开(公告)日：2023-12-15

申请号：CN202311164933.X

申请日：2023-09-08

Applicant: 大连理工大学

Inventor： 杨镒丞 ,  姚翠莉 ,  杜思雨 ,  孔雨秋 ,  卢湖川

IPC: G01B11/02 ,  G06V10/75 ,  G06N20/00 ,  G01B11/24 ,  G01B11/08 ,  G01B11/00 ,  G01B11/12 ,  G01B11/28

Abstract: 本发明提供一种灵活视角下的工业零件分类测量的方法，包括：深度传感器获取放置于桌子一侧的零件的彩色图像和深度图像，并将彩色图像和深度图像对齐得到点云图；根据彩色图像获取桌子的信息；将桌子的信息输入yolact‑edge模型，yolact‑edge模型判断零件的类别；若判断零件的类别为螺栓，根据桌子的信息和点云图得到零件的尺寸；若判断零件的类别为垫片，根据桌子的信息得到零件的尺寸。通过综合彩色图像和深度图像，选用yolact‑edge模型和深度学习算法实现任意视角下的零件的判断，并在判断零件类型后，进行零件的准确测量，低成本、低功耗、高灵活性。

公开(公告)号：CN117132760A

公开(公告)日：2023-11-28

申请号：CN202311064182.4

申请日：2023-08-21

Applicant: 大连理工大学

Inventor： 杜思雨 ,  姚翠莉 ,  杨镒丞 ,  孔雨秋 ,  卢湖川

IPC: G06V10/25 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/082

Abstract: 本发明提供一种用于图像伪装目标检测的方法，包括：将原始图像输入Resnet模型得到第2特征图至第4特征图和最终特征图；将原始图像输入Swin‑Transformer模型得到第9特征图；将最终特征图和第9特征图融合得到第5特征图；根据第2特征图至第5特征图生成边界；根据边界、第2特征图至第5特征图得到第2伪装对象预测图，第2伪装对象预测图为最终伪装对象预测图。通过使用Resnet模型和Swin‑Transformer模型可以很好地完成针对RGB图像的伪装目标检测任务，准确地检测出完整、轮廓准确的伪装目标。