“莫晓蕾”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果11个，建议您升级VIP下载更多相关专利

[发明专利]一种基于局部不变特征的多视角电力表计图像配准方法-CN201910618854.9有效
发明人：侯春萍;夏晗;杨阳;莫晓蕾;徐金辰 -专利权人：天津大学
申请日： 2019-07-10 - 公布日： 2023-07-04 - 主分类号： G06T7/33 文献下载
摘要：本发明涉及一种基于局部不变特征的多视角电力表计图像配准方法，包括两个部分，第一部分是对于所获取多视角的成对的二维图像IA和IB，分别进行局部不变特征提取，第二部分是进行特征匹配，包括：使用二维高斯核构建高斯尺度空间；构建高斯插值DOG和高斯插值金字塔；确定稳定的特征点；剔除不稳定点；确定特征的大小和方向，得到特征向量；初步匹配；精匹配；实现基于局部不变特征的配准。
一种基于局部不变特征视角电力图像方法

[发明专利]一种基于图像融合的多模态图像目标检测方法-CN201910355408.3有效
发明人：侯春萍;夏晗;杨阳;莫晓蕾;徐金辰 -专利权人：天津大学
申请日： 2019-04-29 - 公布日： 2023-03-31 - 主分类号： G06T5/50 文献下载
摘要：本发明涉及一种基于图像融合的多模态图像目标检测方法，包括：1)将预先采集好的红外图像及其可见光图像，制作多模态图像数据集；2)将预处理好的成对图像作为融合模型中生成模型G的输入；生成模型G基于U‑Net等全卷积网络，以残差网络为基础的卷积神经网络作为生成网络模型结构，包括收缩过程和扩张过程，收缩路径包括多个卷积加ReLU激活层再加最大池化(Max Pooling)结构，下采样的每一步特征通道数都增加一倍，输出生成的融合图像；融合图像输入融合模型中的判别网络模型；根据训练过程中损失函数的变化，按迭代次数调节学习率训练指标，经训练，基于自有多模态图像数据集，能够得到同时保留红外图像热辐射特征和可见光图像结构性纹理特征的图像融合模型。
一种基于图像融合多模态目标检测方法

[发明专利]基于单分类器的电力图像环境影响识别方法-CN201810405791.4有效
发明人：侯春萍;莫晓蕾;杨阳;管岱;夏晗 -专利权人：天津大学
申请日： 2018-04-29 - 公布日： 2022-03-08 - 主分类号： G06K9/62 文献下载
摘要：本发明属于图像分类领域，为提出电力图像环境影响识别方法，实现评估环境影响的识别效果上更为准确。为此，本发明，基于单分类器的电力图像环境影响识别方法，步骤如下：一、基于电力图像的数据增强二、基于密集块结构的生成式对抗网络模型构建三、对生成式对抗网络进行训练四、使用训练好的判别器进行单分类任务五、综合评估指标的提出。本发明主要应用于电力图像环境影响识别场合。
基于分类电力图像环境影响识别方法

[发明专利]一种基于图像背景掩膜的目标候选区域提取方法-CN201810325376.8有效
发明人：侯春萍;莫晓蕾;杨阳;管岱;夏晗 -专利权人：天津大学
申请日： 2018-04-12 - 公布日： 2021-09-07 - 主分类号： G06T7/11 文献下载
摘要：本发明涉及一种基于图像背景掩膜的目标候选区域提取方法，包括下列步骤：(1)构建图像背景掩模数据集；(2)搭建GAN模型，采用训练GAN的方式为图像增加背景掩膜；(3)定义损失函数：为在处理图像中高频的结构信息细节部分的同时，使生成的图片和训练的目标图片尽量相似，将损失函数定义为GAN的目标函数与合成图像的一范数距离损失的结合；(4)模型训练。
一种基于图像背景目标候选区域提取方法

[发明专利]一种基于深度学习的遥感图像目标检测方法-CN201810235045.5有效
发明人：侯春萍;夏晗;杨阳;管岱;莫晓蕾 -专利权人：天津大学
申请日： 2018-03-21 - 公布日： 2021-08-10 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于深度学习的遥感图像目标检测方法，包括：利用遥感图像构建相关数据集：对遥感图像进行分类和标注后，图像数据集及经过标记工作生成的类别标签；搭建基于生成对抗网络的全色锐化模型；搭建基于深度卷积神经网络的目标检测模型，通过反向传播和随机梯度下降等方法对模型进行端到端训练；对构建好的模型进行端到端测试。本发明具有准确性高的优点。
一种基于深度学习遥感图像目标检测方法

[发明专利]一种基于生成对抗网络的遥感图像全色锐化方法-CN201810193748.6有效
发明人：侯春萍;夏晗;杨阳;管岱;莫晓蕾 -专利权人：天津大学
申请日： 2018-03-09 - 公布日： 2021-07-09 - 主分类号： G06T5/00 文献下载
摘要：本发明涉及一种基于生成对抗网络的遥感图像全色锐化方法，包括：1)构建数据集：对遥感图像数据进行目标分类和标注，构建包含全色图像和光谱图像的原图像数据集；2)设计生成网络和判别网络模型：GAN的生成网络模型G从随机噪声向量和所述数据集中的图像学习，训练出到生成的样本图像y的映射，G经过训练，生成的样本图像不能被判别网络模型判别为假，而判别网络模型D使用卷积神经网络，经过训练后，可对生成数据的真假进行判别，能尽可能好地完成判别生成样本图像真假性的分类问题；3)训练生成对抗网络模型。
一种基于生成对抗网络遥感图像全色锐化方法

[发明专利]一种基于卷积神经网络的变电站红外图像设备检测方法-CN202010203815.5在审
发明人： 莫晓蕾;杨阳;侯春萍;夏晗 -专利权人：天津大学
申请日： 2020-03-20 - 公布日： 2020-08-04 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于卷积神经网络的变电站红外图像设备检测方法，包括下列步骤：(1)构建变电站设备红外图像数据集；(2)输入图像特征提取，得到不同尺度的卷积特征图；(3)锚框策略调整及感兴趣区域提取；(4)构建基于多尺度特征融合的检测模型；(5)训练模型。
一种基于卷积神经网络变电站红外图像设备检测方法

[发明专利]一种无监督的多模态图像融合方法-CN201911332757.X在审
发明人：侯春萍;夏晗;杨阳;王霄聪;莫晓蕾 -专利权人：天津大学
申请日： 2019-12-22 - 公布日： 2020-06-09 - 主分类号： G06T5/50 文献下载
摘要：本发明涉及一种无监督的多模态图像融合方法，包括下列步骤：基于多场景下的可见光和红外多源模态视频和图像配准数据构建数据集；搭建融合模型，其结构基于含残差模块的卷积神经网络；搭建判别模型；设计生成对抗模型的损失函数，分别是多源信息损失，用于提升融合网络的多源信息保留能力；相似性损失，用于判别融合结果与源图像的相似性；对抗损失，用于融合网络和判别网络间的联合训练方向约束；第五步，通过迭代步骤进行模型联合对抗训练。
一种监督多模态图像融合方法

[发明专利]基于数字图像处理技术的太阳能电池板缺陷检测方法-CN201911207788.2在审
发明人：侯春萍;王霄聪;杨阳;郎玥;夏晗;莫晓蕾 -专利权人：天津大学
申请日： 2019-11-30 - 公布日： 2020-03-31 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种基于数字图像处理技术的太阳能电池板缺陷检测方法，包括下列步骤：对太阳能电池板进行角度倾斜图像畸形的纠正；进行图像预处理；对电池板上的电池单元进行提取，分割得到的电池单元图像用F表示；检测裂纹、黑斑缺陷：根据对比度变化明显的特点，进行canny边缘检测或者ostu二值化处理，检测裂纹、黑斑缺陷；检测虚焊缺陷：通过直方图均衡化加强图像对比度，再通过ostu法二值化进行缺陷检测，找出虚焊区域；对电池单元图像进行隐裂缺陷检测，采用改进的二值化阈值法进行此类缺陷检测。
基于数字图像处理技术太阳能电池板缺陷检测方法

[发明专利]一种基于生成式对抗网络的虚拟视点图像生成方法-CN201810054216.4有效
发明人：侯春萍;莫晓蕾;杨阳;管岱;夏晗 -专利权人：天津大学
申请日： 2018-01-19 - 公布日： 2020-03-17 - 主分类号： H04N13/111 文献下载
摘要：本发明涉及一种基于生成式对抗网络的虚拟视点图像生成方法，包括下列步骤：第一步，制作数据集，获得训练生成式对抗网络所需要的图像对；构建模型：生成器和判别器使用的结构均为卷积层后接批量归一化层BatchNorm以及非线性运算单元ReLU激活函数的形式，所有的卷积层使用4×4的卷积核大小，并将步长设置为2，对特征图像进行降采样时长宽均缩小为原来的一半，上采样时长宽均放大至2倍，Dropout层将Dropout率设置为50％；RelU激活函数选用LeakyReLu；定义损失；进行模型的训练和测试。
一种基于生成对抗网络虚拟视点图像方法

[发明专利]一种基于深度学习的变电站开关分合状态检测方法-CN201910195280.9在审
发明人：侯春萍;莫晓蕾;杨阳;夏晗 -专利权人：天津大学
申请日： 2019-03-14 - 公布日： 2019-07-26 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于深度学习的变电站开关分合状态检测方法，包括下列步骤：第一步，构建变电站开关分合标识数据集：选取现场采集的多张开关分合可见光图像作为数据集并进行标注，数据集包含了“分”、“合”两种状态的开关状态；第二步，训练神经网络：选用YOLOv3网络作为基础网络模型，加入多尺度训练以采用多尺度来对不同尺寸的目标进行检测，在YOLOv3网络结构的基础上，去掉最小尺度的网络层，残差块采用ResNet的残差结构，进行两倍的上采样，级联层用于张量的拼接，将深层卷积特征图的上采样结果与相同尺寸的对应浅层卷积特征图进行拼接，扩充张量的维度。
变电站开关分合状态检测多尺度上采样数据集特征图分合卷积拼接训练神经网络可见光图像标识数据基础网络开关状态网络结构现场采集残差块网络层小尺度残差构建级联浅层维度标注学习检测网络

1
共 11 条