-
公开(公告)号：CN119339236A
公开(公告)日：2025-01-21
申请号：CN202411371370.6
申请日：2024-09-29
Applicant: 重庆交通大学 , 重庆市交通工程质量检测有限公司
IPC: G06V20/10 , G06V10/44 , G06V10/776 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种基于深度学习的路桥面病害识别方法，该方法通过采集路桥面病害图像数据集；构建路桥面病害识别模型，基于路桥面病害图像数据集对所述路桥面病害识别模型进行训练，得到训练后的路桥面病害识别模型；所述路桥面病害识别模型基于YOLOv9网络构架，结合CARAFE上采样模块和TripletAttention注意力机制构建获得；获取待识别的路桥面图像，将所述待识别的路桥面图像输入训练后的路桥面病害识别模型，得到待识别路桥面图像的病害识别结果。本发明提出的方法，有效的解决了现有算法在不同的应用场景中存在识别精度低下的问题，能够有效对路面、桥梁环境中的多种病害类型进行准确识别。
-
公开(公告)号：CN118314555A
公开(公告)日：2024-07-09
申请号：CN202410506117.0
申请日：2024-04-25
Applicant: 重庆交通大学 , 重庆市交通工程质量检测有限公司
IPC: G06V20/58 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于深度学习的局部被遮挡交通标志识别方法，针对细粒度物体检测需要模型提取丰富判别特征，提出了一个基于MobileNetv2改进的主干网络；针对交通标志本身较小、被遮挡且分辨率较低，普通线性插值方式无法捕捉更高阶、更细节特征的问题，提出一种改进的动态权重上采样模块，整合经过通道注意力加权之后的通道信息进行像素重排，生成高分辨率图像；针对CIoU等损失函数对小目标位置变化较敏感的问题，使用归一化高斯wassertein距离来优化边界框回归损失。通过实验验证可以证明，本发明方法针对局部被遮挡交通标志识别的准确性和召回率都得到了进一步提高，在交通标志被局部遮挡的复杂环境下具有很好的识别应用效果。
-
公开(公告)号：CN119360332A
公开(公告)日：2025-01-24
申请号：CN202411382803.8
申请日：2024-09-30
Applicant: 重庆交通大学 , 重庆市交通工程质量检测有限公司
IPC: G06V20/56 , G06V10/26 , G06V10/44 , G06V10/30 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于边界增强与警示的路桥裂缝分割网络检测方法，该方法根据路桥裂缝图像样本数据集；设计基于蛇形卷积的边界警示模块和边界增强模块，并引入注意力机制，设计基于离散小波变换的小波下采样注意力模块，构建基于边界增强与警示的路桥裂缝分割网络的路桥裂缝检测模型；利用所述路桥裂缝图像样本数据集对路桥裂缝检测模型进行训练和验证，获得训练后的路桥裂缝检测模型；将所述待处理的路桥裂缝图像作为训练后的模型的输入，对待处理的路桥裂缝图像进行裂缝边界识别，输出得到待处理的路桥裂缝图像的裂缝检测结果。本发明提出的方法有效提高路桥裂缝分割精度，解决路桥裂缝的多态性和噪声复杂，导致检测结果精确性不高的问题。
-
公开(公告)号：CN117689897A
公开(公告)日：2024-03-12
申请号：CN202311700995.8
申请日：2023-12-12
Applicant: 重庆交通大学
IPC: G06V10/44 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明属于交通路面裂缝检测技术领域，具体涉及一种基于Sobel算子桥接的双编码器路面裂缝检测方法，包括：S1、构建路面裂缝检测模型，所述路面裂缝检测模型包括编码网络与解码网络；所述编码网络为双编码器网络；双编码器网络包括原图编码路径、梯度编码路径和基于Sobel算子的先验边缘检测器；原图编码路径用于对输入的图像进行特征提取及编码，得到多层的原图特征图；先验边缘检测器用于对原图或原图特征图进行先验边缘检测，得到对应层级的边缘特征图；S2、获取训练数据集；S3、使用训练数据集对路面裂缝检测模型进行训练。本方法面对路面裂缝的多态性和噪声复杂等问题，可以有效提高道路路面裂缝的检测精度。
-
Patent Agency Ranking
公开(公告)号：CN117671065A
公开(公告)日：2024-03-08
申请号：CN202311704537.1
申请日：2023-12-11
Applicant: 重庆交通大学
Abstract: 本发明公开了一种基于大气扩散模型改进的图像光雾合成处理方法，该方法借助光雾合成矩阵算法计算生成待处理图像对应的全局透射率矩阵，将待处理图像及其对应的全局透射率矩阵输入至图像光雾合成模型，直接合成处理得到待处理图像对应的光雾图像；由此，在光雾合成矩阵算法运算当中避免产生额外的数字索引步骤、也没有中间变量的处理过程，使用分块矩阵合成的方式直接形成全局透射率矩阵，再借助图像光雾合成模型直接合成应的光雾图像，能够大幅度减少算法中欧式距离以及指数的重复运算，从而在雾化效果相同的情况下，使图像起雾处理效率大幅度提高，能够模拟目前技术应用中大多数光雾场景的相关任务，具有很好的技术应用价值。
-
公开(公告)号：CN118229972A
公开(公告)日：2024-06-21
申请号：CN202410286686.9
申请日：2024-03-13
Applicant: 重庆交通大学
IPC: G06V10/26 , G06V10/44 , G06V10/82 , G06V10/771 , G06V10/764 , G06T7/194 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于嵌套结构的小样本眼底血管图像分割方法，其借助基于嵌套结构的眼底血管分割网络模型，其通过原型提取层对输入的眼底血管图像进行多层嵌套的特征提取，得到眼底血管图像的原型特征图；通过掩码平均池化层根据设定的分割类别掩码，提取出所述原型特征图对应的原型特征向量；最后借助分割头计算眼底血管图像在原型提取层中最后一阶段提取得到的原型特征图与原型特征向量的距离，进而判断眼底血管图像的区域分割类别概率，得到眼底血管图像区域分割结果。本发明方法能够提高模型提取原型特征向量的能力，改善模型在小样本情形下的分割精度，能够有效解决现有模型对样本依赖性强、精度差、泛化能力较弱等问题。
-
公开(公告)号：CN117671373A
公开(公告)日：2024-03-08
申请号：CN202311681156.6
申请日：2023-12-08
Applicant: 重庆交通大学
IPC: G06V10/764 , G06V10/82 , G06V10/40 , G06V10/44 , G06N3/0464 , G06N3/084 , G06N3/048 , G06T7/00
Abstract: 本发明属于目标检测技术领域，尤其涉及一种基于深度学习的路面病害识别方法，包括以下步骤：S1、构建路面病害识别模型；所述路面病害识别模型由YOLOv7模型改进而来，所述改进包括：用可变形卷积替换骨干网络中的特征提取部分的普通卷积；并在整体网络结构中引入空间显式的视觉中心方案EVC；所述视觉中心方案EVC包括轻量级MLP与可学习的视觉中心机制LVC；S2、获取包括路面病害图像和相应标注信息的训练数据集；S3、使用训练数据集对路面病害识别模型进行训练；S4、使用训练好的路面病害识别模型进行路面病害识别。使用本方法，可以在真实的路面环境中对路面的多种病害类型进行准确的识别。
-
公开(公告)号：CN117765507A
公开(公告)日：2024-03-26
申请号：CN202311681726.1
申请日：2023-12-08
Applicant: 重庆交通大学
Abstract: 本发明涉及图像识别目标检测技术领域，具体涉及一种基于深度学习的雾天交通标志检测方法，包括：S1、构建交通标志检测模型；所述交通标志检测模型基于YOLOv5改进得到；所述改进包括：在颈部NECK通过级联操作以增加浅层特征和采样深度，并在头部HEAD增加对应的小目标检测头，将原始特征金字塔网络FPN输出的三个特征图P2，P3，P4调整为P1,P2,P3,P4；并在颈部NECK与头部HEAD之间增加针对小目标的多维动态检测头SSTHead，所述多维动态检测头SSTHead用于在不同维度进行自适应学习不同注意图，过滤每个维度特征之间的不一致性；S2、获取训练数据集；S3、对交通标志检测模型进行训练。本发明可以在雾天汽车驾驶场景中精准的识别交通标志，提高雾天下自动驾驶的交通标志检测性能。
-
公开(公告)号：CN117671382A
公开(公告)日：2024-03-08
申请号：CN202311710459.6
申请日：2023-12-13
Applicant: 重庆交通大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G06V10/25 , G06N3/0464 , G06N3/048 , G06N3/08 , G06T7/00
Abstract: 本发明公开了一种基于胶囊网络改进的轻量级肺部图像分类方法，其借助轻量级肺部图像分类网络模型对肺部图像进行分类处理得到分类识别结果；该轻量级肺部图像分类网络模型包括大核深度可分离卷积模块、感兴趣区域提取模块、分组卷积特征提取模块和胶囊网络模块，借助大核深度可分离卷积模块减少大量的参数量和计算量的同时，提取更多的初步特征信息；借助感兴趣区域提取模块进一步降低模型的计算复杂度和参数量，并准确提取到肺部图像中的感兴趣区域；通过分组卷积特征提取模块进行感兴趣区域的局部区域特征提取，提高模型的表达能力和泛化性能；最后借助胶囊网络模块识别得到分类结果。本发明方法具有参数量和计算量低、分类准确度高的优点。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.04 seconds)
