“代湖明”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5个，建议您升级VIP下载更多相关专利

[发明专利]一种基于相同下采样频率的语义分割方法-CN202111407608.2在审
发明人：张媛媛;陈彦如;王浩;廖俊华;冯康慧;陈俊任;李亚洁;陈是澎;代湖明;陈良银 -专利权人：四川大学
申请日： 2021-11-24 - 公布日： 2023-05-30 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种基于相同下采样频率的语义分割方法。该方法为了解决现有神经网络无法很好地实现多尺度特征融合的问题，在使用ResNet‑50进行特征提取的过程中，会经过5次下采样来保留图片中的主要特征信息，每次下采样后的信息，都会经过对应的特征处理网络，来提升特征的感受野。ResNet50网络第一次下采样后的底层信息，会经过具有4次下采样的U‑Net网络处理，再通过跨层连接与上采样后的信息进行合并，ResNet50网络第二次下采样后的信息，会经过具有3次下采样的U‑Net网络处理，再进行信息融合。对特征进行上采样的过程中，利用跨层连接，来融合语义分割网络中处理后的底层细粒度信息和高级语义信息。
一种基于相同采样频率语义分割方法

[发明专利]一种基于图像边缘监督的语义分割算法-CN202111405971.0在审
发明人：张媛媛;陈彦如;王浩;廖俊华;冯康慧;陈俊任;李亚洁;殷丰铭;代湖明;陈良银 -专利权人：四川大学
申请日： 2021-11-24 - 公布日： 2023-05-26 - 主分类号： G06V10/44 文献下载
摘要：本发明公开了一种基于图像边缘监督的语义分割算法。该方法提取出图像的边缘信息，下采样后，融合图像边缘信息，弥补在下采样过程中损失的图像信息，提升网络的语义分割效果。先获得待识别图片的边缘轮廓图，输入到语义分割网络，网络将边缘轮廓图作为目标，基于边缘信息提取网络EdgeUNet待识别图片的边缘信息。主网络通过ResNet‑50网络完成图像语义信息提取，然后利用双线性插值方法对图像特征进行上采样，在上采样的过程中，利用跨层连接的方法融合语义分割网络中的底层细粒度信息和高级语义信息，通过EdgeUNet提取出的待识别图片中的边缘信息。上采样的次数与下采样一致，最后在生成的图片中，分割出检测到的目标。
一种基于图像边缘监督语义分割算法

[发明专利]一种图像语义分割方法、装置、设备和存储介质-CN202211294039.X在审
发明人： 代湖明;陈治昊;纪连正 -专利权人：中国农业银行股份有限公司
申请日： 2022-10-21 - 公布日： 2023-01-03 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种图像语义分割方法、装置、设备和存储介质。方法包括将原始图像分别输入主网络和子网络；通过子网络对原始图像进行处理获取边缘轮廓信息；通过主网络对原始图像进行处理获取第一图像特征，并根据第一图像特征和边缘轮廓信息获取图像语义分割结果。通过增加子网络获取原始图像的边缘轮廓信息，在主网络提取到原始图像的第一图像特征之后，通过将边缘轮廓信息添加到第一图像特征中，从而减少了采样过程中图像特征的丢失，从而使得图像语义分割的结果更加准确。
一种图像语义分割方法装置设备存储介质

[发明专利]一种显示面板的检测方法、装置及系统-CN202080003120.0在审
发明人：周全国;陈良银;代湖明;陈彦如;兰荣华;唐浩;程久阳;张青;周丽佳;王志东;徐丽蓉 -专利权人：京东方科技集团股份有限公司
申请日： 2020-11-30 - 公布日： 2022-09-13 - 主分类号： G06T7/00 文献下载
摘要：本公开提供了一种显示面板(100，200)的检测方法、装置及系统，其中，所述检测方法包括：S101：获取所述显示面板(100，200)的包括异形区的待检测图像；S102：从所述待检测图像中计算出油墨区位置坐标；S103：根据所述油墨区坐标位置确定所述待检测图像中的缺陷检测区域；S104：通过统计所述缺陷检测区域内的多个像素点的特征信息确定所述待检测图像中的不良缺陷。
一种显示面板检测方法装置系统

[发明专利]一种基于时序的多帧集成目标检测算法-CN201910749550.6有效
发明人：陈良银;周良学;谢晓东;黄韫栀;刘伦鑫;廖俊华;段海涵;代湖明;张媛媛;陈彦如 -专利权人：四川大学
申请日： 2019-08-14 - 公布日： 2021-08-31 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于时序的多帧集成目标检测算法，包括：S1、输入连续若干帧图片，得到包含若干张图片的序列；S2、提取步骤S1中所得序列的图像特征，得到待检测对象空间信息的特征张量；S3、根据步骤S2中所得特征张量，提取若干帧图片中蕴含的时序信息，得到新的蕴含时序信息的特征张量；S4、基于特征金字塔网络，对步骤S3中所得特征张量进行训练，输出待检测物体在每帧图片中的包围盒位置、类标签以及对应的置信度；S5、根据输出的包围盒位置以及置信度，在每帧图片中画出包围待检测对象的包围盒、类标签和置信度。本发明充分利用连续的多帧图像间存在的时序信息来提高目标检测的准确率，并结合FPN网络解决了小目标难以识别的问题。
一种基于时序集成目标检测算法