“卢湖川”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88个，建议您升级VIP下载更多相关专利

[发明专利]一种医学图像的非刚性配准方法-CN202310871811.8在审
发明人：张立和;张恒宇;卢湖川 -专利权人：大连理工大学
申请日： 2023-07-17 - 公布日： 2023-10-13 - 主分类号： G06T7/33 文献下载
摘要：本发明提供了一种医学图像的非刚性配准方法，具体步骤包括：(1)输入浮动、固定图像，送入金字塔特征编码器而生成不同采样倍率的特征图；(2)从最高的采样倍率的特征开始，逐阶段地生成自适应的位移空间、位移场，并估计不确定度；(3)根据上一阶段的不确定度与当前阶段的浮动特征，分别形成位移基数与位移微调值，再加和得到自适应的位移空间；(4)根据当前阶段的形变特征、目标特征以及位移空间，通过多头相关、代价聚合、归一化和位移融合步骤后得到位移场，并同时估计该场的不确定度；(5)重复步骤(2)至(4)，直至获得与原图尺寸相同的位移场，形变图像后得到最终的配准结果。
一种医学图像刚性方法

[发明专利]目标语义层级挖掘的红外与可见光图像融合方法-CN202310732526.8在审
发明人：赵文达;解世赓;王海鹏;刘颢;杨向广;夏学知;何友;卢湖川 -专利权人：大连理工大学
申请日： 2023-06-20 - 公布日： 2023-10-03 - 主分类号： G06T5/50 文献下载
摘要：本发明属于图像信息处理技术领域，提出一种目标语义层级挖掘的红外与可见光图像融合方法。图像融合网络包括融合特征模块、语义特征模块、层级挖掘模块与图像重建模块；源图像对输入至图像融合网络后，融合特征模块提取源图像对的图像融合特征Fuj，语义特征模块提取源图像对的图像语义特征Fej；层级挖掘模块挖掘多个层级的目标语义特征并进行整合，多次重复特征提取与挖掘后，通过图像重建模块生成融合结果。相较于仅利用单一图像融合特征的融合方法，本发明通过不同层次的挖掘图像中目标语义并将其整合到图像融合网络中，有效地提升了图像融合网络中特征的多样性，从而可以获得更高质量的图像融合结果。
目标语义层级挖掘红外可见光图像融合方法

[发明专利]基于双层优化学习的多模态遥感目标鲁棒识别方法-CN202310434641.7有效
发明人：赵文达;贾蝶蝶;王海鹏;何友;卢湖川;夏学知;刘颢;杨向广 -专利权人：大连理工大学
申请日： 2023-04-21 - 公布日： 2023-09-22 - 主分类号： G06V10/82 文献下载
摘要：本发明属于计算机视觉图像处理技术领域，提出一种基于双层优化学习的多模态遥感目标鲁棒识别方法。该方法设计了一种基于双层优化的训练方式引导模型自适应地学习需要学习的知识，同时利用调制网络对识别网络进行选择性激活，帮助识别网络学会如何更好地提取输入图像的特征表示。本发明能够充分利用现有数据深入挖掘模型的潜力，帮助模型摆脱多模态的干扰，解决模型在多模态目标数据上准确度降低的问题，让模型在有限的学习资源下获得更高的鲁棒性。
基于双层优化学习多模态遥感目标识别方法

[发明专利]一种模拟息肉生长的肠道息肉图像分割方法-CN202310815476.X在审
发明人：韦宏斌;张立和;卢湖川 -专利权人：大连理工大学
申请日： 2023-07-05 - 公布日： 2023-09-19 - 主分类号： G06V10/26 文献下载
摘要：本发明属于深度学习技术在计算机视觉领域，提供了一种模拟息肉生长的肠道息肉图像分割方法。本发明将完整真值图解耦成高斯真值图和主体真值图，来分别更关注位置信息和主体信息；构建了三个特征提取分支提取特征，并且分别被高斯真值图，主体真值图和完整真值图监督；同时设计了一个动态注意力指导模块来更高效的聚合来自不同分支的特征。本发明实现了更准确的息肉分割模型，能准确分割出各种复杂形状和背景的息肉。
一种模拟息肉生长肠道图像分割方法

[发明专利]噪声抑制蒸馏的多域遥感目标泛化性识别方法-CN202310434257.7在审
发明人：赵文达;吕香竹;王海鹏;何友;卢湖川;夏学知;刘颢;杨向广 -专利权人：大连理工大学
申请日： 2023-04-21 - 公布日： 2023-09-15 - 主分类号： G06V10/82 文献下载
摘要：本发明属于计算机视觉、图像处理技术领域，公开了一种噪声抑制蒸馏的多域遥感目标泛化性识别方法。通过非遥感图像数据集训练教师模型，训练后的教师模型通过多模态遥感数据集调整；固定调整后的教师模型，通过负相关蒸馏模块，每训练一批次的S个样本中选择相关程度最小的两个教师模型训练学生模型。本发明利用蒸馏方法提取教师模型负相关的特征蒸馏给学生模型，解决了多教师模型特征噪声抑制问题，提升了学生模型目标识别准确度和泛化性。
噪声抑制蒸馏遥感目标泛化识别方法

[发明专利]基于域特定信息滤除的遥感图像目标分类方法-CN202310731995.8在审
发明人：赵文达;杨瑞凯;王海鹏;刘颢;杨向广;夏学知;何友;卢湖川 -专利权人：大连理工大学
申请日： 2023-06-20 - 公布日： 2023-09-15 - 主分类号： G06V10/764 文献下载
摘要：本发明属于图像信息处理技术领域，提出一种基于域特定信息滤除的遥感图像目标分类方法。从实例归一化分离域特定信息和域不变信息、图像重建去除域特定信息两个角度进行遥感图像风格信息的滤除。通过对抗性域特定信息鲁棒模块使用实例归一化使得每一个输入实例的数据趋向于标准正态分布，进而降低细微扰动带来的影响。通过数据扩充模拟遥感图像域特定信息的显著变化，并通过域不变信息滤波器利用域特定信息滤除后的特征来重建图像，从而降低域特定信息显著变化带来的影响。本发明方法有效解决了目前遥感目标识别方法存在对未知域表现差的这一问题，使遥感图像目标模型对不同域数据集均具有泛化性。
基于特定信息遥感图像目标分类方法

[发明专利]目标特征嵌入的红外与可见光图像融合方法-CN202310434441.1有效
发明人：赵文达;解世赓;王海鹏;赵凡;何友;卢湖川;刘颢;夏学知;杨向广 -专利权人：大连理工大学
申请日： 2023-04-21 - 公布日： 2023-09-12 - 主分类号： G06V10/80 文献下载
摘要：本发明属于图像信息处理技术领域，公开了一种目标特征嵌入的红外与可见光图像融合方法。本方法构建一个目标特征嵌入的红外与可见光图像融合方法，解决了目标检测任务与图像融合任务不匹配的问题，让目标检测任务有效的提升了图像融合的结果，并且目标检测元特征嵌入过程仅在训练过程中使用，训练完毕后在测试阶段并没有增加额外的计算量。
目标特征嵌入红外可见光图像融合方法

[发明专利]一种基于图像和事件的多模态道路场景目标检测方法-CN202310296018.X在审
发明人：王东升;卢湖川;何友 -专利权人：大连理工大学;大连理工大学宁波研究院;大连维视科技有限公司
申请日： 2023-03-24 - 公布日： 2023-07-18 - 主分类号： G06V20/40 文献下载
摘要：本发明属于计算机视觉和事件相机领域，公开了一种基于图像和事件的多模态道路场景目标检测方法。本发明引入了高效注意力机制模块，融合相邻时刻图像的信息，不仅提升了检测的精度，而且模型参数量和计算量几乎不变。采用一种轻量化的特征提取网络对事件进行特征提取，降低模型的内存大小，符合事件数据高时间分辨率的特性。为了重复利用事件数据的时序信息，本发明引入长短期记忆机制模块，通过控制内部门的状态，融合历史时刻的不同事件特征。在进行图像和事件特征融合时，采用特征融合模块，完成对两种模态数据的信息交互，提高了目标检测的准确率。
一种基于图像事件多模态道路场景目标检测方法

[发明专利]一种具有攀爬楼梯功能的履带式机器人控制系统及方法-CN201910203011.2有效
发明人：李胜铭;徐文强;王超;王贤昊;秦铭;周汉文;毛佳斌;胡方圆;吴振宇;卢湖川 -专利权人：大连理工大学
申请日： 2019-03-18 - 公布日： 2023-07-18 - 主分类号： B25J9/16 文献下载
摘要：本发明属于机器人自动控制领域，具体涉及一种具有攀爬楼梯功能的履带式机器人控制系统及方法。所述的履带式机器人控制系统包括：履带式机器人主体、主控制模块MCU、姿态检测模块、人机交互模块、电机驱动模块和供电模块；主控制模块MCU、姿态检测模块、电机驱动模块和供电模块固定在履带式机器人主体上。所述的履带式机器人主体包括前端行走机构、底盘、后端行走机构、机械臂、伺服电机和直流驱动电机。本发明的履带式机器人是能够具有快速平稳攀爬楼梯功能且体积较小的履带式机构，除能在平地上平稳运行外还能适应不同的楼梯形状，具有极强的越障能力。并且该履带式机器人的结构简单、体积较小、能够实现快速平稳的攀爬楼梯的功能。
一种具有攀爬楼梯功能履带式机器人控制系统方法

[发明专利]一种运动信息辅助的视觉单目标跟踪方法-CN202211532172.4在审
发明人： 卢湖川;张鹏宇;王栋 -专利权人：大连理工大学;大连理工大学宁波研究院;大连维视科技有限公司
申请日： 2022-12-01 - 公布日： 2023-06-23 - 主分类号： G06T7/20 文献下载
摘要：本发明属于机器学习、视觉目标跟踪领域，提供了一种运动信息辅助的视觉单目标跟踪方法。本发明分别对跟踪过程中的相机运动和目标运动进行建模。对于相机运动建模方法，本发明使用特征点匹配算法计算出相邻帧间变换矩阵，并给出由相机运动导致的目标偏移量。对于目标运动建模方法，本发明使用卷积‑长短时记忆网络通过目标历史运动信息，估计目标未来的速度和位置。本发明在引入运动信息进行辅助跟踪后，可以显著提高跟踪算法应对光照变化，遮挡等挑战的能力，提升跟踪算法鲁棒性，并且具有较低的计算量，能够达到实时跟踪需求。
一种运动信息辅助视觉目标跟踪方法

[发明专利]一种基于Transformer结构的局部和全局视角兼容的目标跟踪方法-CN202211543971.1在审
发明人：王栋;刘畅;卢湖川 -专利权人：大连理工大学;大连理工大学宁波研究院;大连维视科技有限公司
申请日： 2022-12-01 - 公布日： 2023-06-23 - 主分类号： G06T7/223 文献下载
摘要：一种基于Transformer结构的局部和全局视角兼容的目标跟踪方法。本发明的Transformer结构采用ViT‑Base的网络结构，将依据前一帧跟踪位置裁剪的局部搜索区域和全图搜索区域同时作为输入，两路搜索分支共享特征提取和特征融合网络的权重，实现在统一模型下的局部和全局视角目标跟踪。同时使用一个基于Transformer的特征编码网络获得跟踪框的特征向量，在局部跟踪结果的回归质量预测得分较低时，从全局和局部跟踪的多个结果中选择与第一帧给定目标的特征向量距离最小的跟踪框作为当前帧的最终跟踪结果；在局部跟踪结果的回归质量预测得分较高时，采用局部跟踪结果作为当前帧的最终跟踪结果。
一种基于 transformer 结构局部全局视角兼容目标跟踪方法

[发明专利]图像的显著目标的检测方法、装置及设备-CN201810622029.1有效
发明人：张璐;卢湖川;苗振伟;王兵;王刚 -专利权人：阿里巴巴集团控股有限公司
申请日： 2018-06-15 - 公布日： 2023-05-12 - 主分类号： G06V10/80 文献下载
摘要：本申请公开了一种图像的显著目标的检测方法，包括：确定待检测显著目标的图像；获得所述图像的至少两个卷积级别的深度特征；将每个卷积级别的深度特征与相邻卷积级别的深度特征进行融合，得到每个卷积级别的融合特征；根据每个卷积级别的融合特征，得到用于显示所述图像的显著目标的显著图。以解决现有的图像的显著目标的检测技术难以得到理想的显著目标检测结果的问题。
图像显著目标检测方法装置设备

[发明专利]一种基于全卷积网络的目标检测方法-CN202310052356.9在审
发明人：张平平;万子夫;卢湖川 -专利权人：大连理工大学
申请日： 2023-02-02 - 公布日： 2023-05-02 - 主分类号： G06V10/764 文献下载
摘要：本发明属于人工智能及深度学习技术领域，提出了一种基于全卷积网络的目标检测方法。该方法使用残差连接的骨干网络分层次提取图像特征，并使用特征金字塔对低分辨率特征逐步上采样，使用注意力机制融合骨干网络中提取的高分辨率特征与上采样的低分辨率特征，并按层级输出不同尺寸的检测结果，从而关注不同尺寸的检测目标，解决目标检测中对小物体漏检率高的问题。本发明相比于其他方法，能够提取图像中更加丰富的视觉信息，保留更多的小尺度视觉特征信息；引入注意力模块，能够在空间和通道两个维度上进行特征提取，从而学习到更具判别性的特征信息，可以更好地完成目标检测任务，并具有更高的检测和识别准确率。
一种基于卷积网络目标检测方法

[发明专利]使用CNN进行图像分割的方法-CN202080000389.3有效
发明人：刘尚平;王陆;张平平;卢湖川 -专利权人：香港应用科技研究院有限公司
申请日： 2020-02-25 - 公布日： 2023-05-02 - 主分类号： G06T7/10 文献下载
摘要：在使用编码器‑解码器结构进行图像分割的卷积神经网络(CNN)中，多尺度上下文聚合模块从编码器接收最终编码特征图，并顺序地从全局尺度到局部尺度聚合该特征图的多尺度上下文，以强化不同尺度上下文的语义关系，从而提高分割精度。通过对特征图计算不同扩张率的空洞卷积来获得多尺度上下文。为了减少CNN所需的计算量，在解码器中使用了基于通道的特征选择(CFS)模块来合并两个输入特征图。每个特征图都由全局池化层，然后是全连接层或1×1卷积层处理，以选择高激活的通道。通过随后的按通道进行相乘和按元素进行相加，在合并的特征图中仅保留和增强了两个特征图中均具有高激活的通道。
使用 cnn 进行图像分割方法

[发明专利]一种基于动态滤波器的视频显著性目标检测方法-CN202310013513.5在审
发明人：王一帆;徐松;卢湖川;王立君 -专利权人：大连理工大学;大连理工大学人工智能大连研究院;大连维视科技有限公司
申请日： 2023-01-05 - 公布日： 2023-04-18 - 主分类号： G06V20/40 文献下载
摘要：本发明属于机器学习、视频目标分割、显著性目标检测领域，提供了一种基于动态滤波器的视频显著性目标检测方法。本方法的特征提取网络使用轻量化MobileV3，在保持较高精度的同时，降低模型的内存大小，提升检测速度，对检测网络部署在AI边缘设备的可行性大大提升。设计了一个基于动态滤波器的模块，使得模型的卷积核参数并不是训练好就固定的，而是会根据输入进行动态的调整，使得模型的泛化性得到了提升。同时利用视频这种数据本身的特性，进行时间一致性的约束，使得对于视频的分割结果具有稳定性。
一种基于动态滤波器视频显著目标检测方法

1
2
3
4
5
6
下一页»
尾页
共 88 条