-
公开(公告)号：CN116416432A
公开(公告)日：2023-07-11
申请号：CN202310392019.4
申请日：2023-04-12
Applicant: 西南石油大学
Inventor： 罗仁泽 , 李华督 , 唐祥 , 王磊 , 雷璨如 , 陈翔 , 吴涛 , 刘恒 , 林泓宇 , 罗任权 , 邓治林 , 余泓 , 谭亮 , 武娟 , 曹瑞 , 赵丹 , 王清松 , 易玺 , 廖波
IPC: G06V10/26 , G06V10/82 , G06V10/776 , G06T7/194 , G06T7/00 , G06N3/0455 , G06N3/0464
Abstract: 本发明提出一种基于改进UNet的管道焊缝图像分割方法。该方法首先先对采集到的管道焊缝图像数据进行预处理并建立数据集，然后构建改进UNet网络管道焊缝图像分割模型，具体实施方法为：首先利用密集连接块结合并行注意力机制构建网络下采样模块，提升模型特征提取能力，再利用深度可分离卷积代替普通卷积，减少了模型计算量与计算量，最后使用加权Dice和交叉熵函数结合的新损失函数，缓和管道焊缝图像中焊缝区域与非焊缝区域占比不均衡的情况；最后利用数据训练集对模型进行参数训练，并将测试集图像输入训练好的网络模型，得到分割后的图像；本发明的分割模型对管道焊缝图像的目标分割精度高，分割效果好。
-
公开(公告)号：CN117079099A
公开(公告)日：2023-11-17
申请号：CN202310877673.4
申请日：2023-07-18
Applicant: 西南石油大学
IPC: G06V10/82 , G06V20/40 , G06V40/20 , G06V10/774 , G06V10/40 , G06V10/80 , G06N3/0464 , G06N3/08 , G06N3/048
Abstract: 本发明公开了一种基于改进YOLOv8n的违规行为检测方法，包括：通过摄像头采集违规行为视频解码标注建立数据集；将标注好的数据集划分为训练集，验证集和测试集；对YOLOv8n网络进行改进，使用训练集对改进的YOLOv8n进行训练，同时使用验证集进行验证，保留验证集准确率最高的网络参数，使用测试集对导入网络参数改进的YOLOv8n网络进行测试。本发明通过改进C2f模块和引入注意力机制构建特征融合模块，提高模型的特征提取能力和检测精度。
-
公开(公告)号：CN116468684A
公开(公告)日：2023-07-21
申请号：CN202310392031.5
申请日：2023-04-12
Applicant: 西南石油大学
Inventor： 罗仁泽 , 李华督 , 唐祥 , 王磊 , 陈翔 , 雷璨如 , 林泓宇 , 吴涛 , 刘恒 , 罗任权 , 邓治林 , 余泓 , 谭亮 , 武娟 , 廖波 , 曹瑞 , 赵丹 , 王清松 , 易玺
IPC: G06T7/00 , G06T7/194 , G06V10/26 , G06V10/82 , G06V10/776 , G06N3/0464 , G06N3/045
Abstract: 本发明提出一种基于改进yolo的管道焊缝缺陷检测方法，该方法先对采集到的管道焊缝缺陷图像进行预处理，构建改进yolo网络模型，具体实施方法为：在上采样特征提取模块采用两个改进的残差网络结构去进行特征提取，实现网络模型检测精度与检测速度的双增长，设计正则化交叉熵损失函数改善样本不平衡的问题，最后，利用数据训练集对模型进行参数训练，用测试集对训练好的模型进行测试。本发明有效的提高了管道焊缝缺陷检测精度和检测效率。
-
Patent Agency Ranking
公开(公告)号：CN116433680A
公开(公告)日：2023-07-14
申请号：CN202310370170.8
申请日：2023-04-10
Applicant: 西南石油大学
Abstract: 本发明提出一种基于深度学习的骨显像病灶分割方法。该方法先对采集到的骨显像图像进行预处理，首先构建Encoder模块，对采用Swin Transformer编码部分对骨显像图像进行编码提取病灶特征，然后构建注意力汇聚模块对编码器输出的特征图注意力进行汇聚，减少注意力分散，提高局部的特征提取能力；然后构建Decoder模块对注意力汇聚模块输出的特征图进行逐步特征融合减少特征差异，同时将不同分辨率的特征图信息进行融合；最后将融合后的特征图输入线性预测层中得到分割的结果。本发明能够提高骨显像病灶分割的精度。
-
公开(公告)号：CN116402801A
公开(公告)日：2023-07-07
申请号：CN202310390482.5
申请日：2023-04-12
Applicant: 西南石油大学
Inventor： 罗仁泽 , 李华督 , 唐祥 , 陈翔 , 雷璨如 , 武娟 , 王磊 , 吴涛 , 刘恒 , 林泓宇 , 罗任权 , 邓治林 , 余泓 , 谭亮 , 曹瑞 , 赵丹 , 王清松 , 易玺 , 廖波
IPC: G06T7/00 , G06V10/82 , G06V10/776 , G06V10/778 , G06V10/75 , G06N3/0464 , G06N3/045
Abstract: 本发明提出一种基于改进稠密连接网络的管道焊缝缺陷识别方法。该方法先对采集到的管道焊缝缺陷图像进行预处理，构建改进稠密连接网络模型，具体实施方法为：首先采用多通道不同尺度卷积的形式去改善稠密连接网络，进而提高网络的泛化能力；然后通过堆栈两个相同尺度卷积的方式去提高网络的特征提取能力；在网络稠密连接块中引入注意力机制模块，以达到提升有益特征，抑制无用特征的效果；设计交叉熵函数结合惩罚项损失函数，增加网络正则化效果；最后，利用数据训练集对模型进行参数训练，用测试集对训练好的模型进行测试。本发明有效的提高了管道焊缝缺陷识别精度和识别效率。
-
公开(公告)号：CN116433680B
公开(公告)日：2025-05-16
申请号：CN202310370170.8
申请日：2023-04-10
Applicant: 西南石油大学
IPC: G06T7/10 , G06T5/50 , G06T5/70 , G06T3/4038 , G06T3/4046 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提出一种基于深度学习的骨显像病灶分割方法。该方法先对采集到的骨显像图像进行预处理，首先构建Encoder模块，对采用Swin Transformer编码部分对骨显像图像进行编码提取病灶特征，然后构建注意力汇聚模块对编码器输出的特征图注意力进行汇聚，减少注意力分散，提高局部的特征提取能力；然后构建Decoder模块对注意力汇聚模块输出的特征图进行逐步特征融合减少特征差异，同时将不同分辨率的特征图信息进行融合；最后将融合后的特征图输入线性预测层中得到分割的结果。本发明能够提高骨显像病灶分割的精度。
-
公开(公告)号：CN116894825A
公开(公告)日：2023-10-17
申请号：CN202310877840.5
申请日：2023-07-18
Applicant: 西南石油大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/047 , G06V10/25 , G06V10/764 , G06V10/762 , G06V10/40 , G06N3/084
Abstract: 本发明所提供的一种基于深度学习的X射线图像焊缝缺陷检测方法，利用FasterRCNN网络对X射线图像进行焊缝缺陷检测，相较于传统FasterRCNN，本发明改进了主干网络的ResNet50模块，在Bottleneck中最后一个卷积层后面增加了gi信息增益模块，提升特征提取能力，同时，对RPN网络中的预设锚框生成比例进行修改，使用K‑Means++算法对待检测的目标长宽比例进行聚类，得到更符合当前检测数据集的缺陷特征长宽比例分布，提升缺陷检测效果。
-
公开(公告)号：CN115909175A
公开(公告)日：2023-04-04
申请号：CN202310021223.5
申请日：2023-01-07
Applicant: 西南石油大学
IPC: G06V20/40 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于注意力特征门控的视频异常行为识别方法，该方法对多维训练进行特征降维，构建效率更高的识别网络，具体实施方法为：首先从全部数据集中随机提取出连续的视频图片并进行预处理作为训练样本；然后送入本发明提出的网络模型AFG‑NET中进行训练；然后模型对训练样本的帧率维度进信道分离，利用二维卷积对多个信道进行特征提取，然后使用信道特征稀疏化函数对特征进行缩放求和，并与训练样本的全局特征相乘得到输出；然后模型的后续部分对特征进行提取识别，最终得到网络模型的预测结果；最后使用加权稀疏化惩罚和交叉熵损失相结合的联合损失，并使用随机梯度下降对模型的联合损失进行反向传播，优化网络模型的参数，以达到全局最优。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.026 seconds)
