“梁兴柱”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29个，建议您升级VIP下载更多相关专利

[发明专利]一种基于跨模态边缘引导的RGB-D显著性目标检测方法-CN202310708088.1在审
发明人：夏晨星;杨凤;高修菊;王晓婷;葛斌;梁兴柱;崔建华;段松松 -专利权人：安徽理工大学
申请日： 2023-06-14 - 公布日： 2023-10-27 - 主分类号： G06V10/774 文献下载
摘要：本发明属于计算机视觉领域，提供了一种基于跨模态边缘引导的RGB‑D显著性目标检测方法，包括以下步骤：1)获取训练和测试该任务的RGB‑D数据集；2)分别建立用于提取RGB图像特征和Depth图像特征的显著性目标检测模型网络；3)建立用于跨模态注意力融合的网络结构；4)建立用于边缘感知的网络结构；5)构建用于边缘指导融合解码器，从高到低解码多尺度融合特征并和边缘特征拼接融合，获取显著图。本发明可有效整合来自不同模态图像的互补信息，提升复杂场景下显著性目标预测的准确度。
一种基于跨模态边缘引导 rgb 显著目标检测方法

[发明专利]一种提升基于对抗的无监督域适应效果的迁移学习方法-CN202310415819.3在审
发明人：林玉娥;刘二虎;梁兴柱;方贤进 -专利权人：安徽理工大学
申请日： 2023-04-18 - 公布日： 2023-09-05 - 主分类号： G06N3/096 文献下载
摘要：本发明公开了一种提升基于对抗的无监督域适应效果的迁移学习方法，该方法基于CNN与Transformer的混合网络结构，以利用卷积运算和自关注机制来增强表示学习，从而充分对齐域适应中域漂移的关键问题。基于域适应对抗范式，设计方法为：步骤1：先对源域和目标域数据进行预处理；步骤2：构造训练集和测试集；步骤3：搭建CNN与Transformer耦合的双分支并行混合模型作为主干网络(包含特征特区器G和分类器F)及域判别器D；步骤4：将步骤2得到的来自源域与目标域的图像按批次输入网络两个分支进行对抗训练直至训练完成；步骤5：将测试集上的图片经过训练好的模型，得到模型预测结果并报告分类精度。本发明无监督域适应方法提出了双分支对齐模块来分别对齐源域与目标域不同语义下的特征分布，提高了迁移学习领域中源域与目标域存在域漂移的问题下的域适应效果。
一种提升基于对抗监督适应效果迁移学习方法

[发明专利]基于时空双特征的驾驶员疲劳检测方法-CN202310413657.X在审
发明人： 梁兴柱;姚伟 -专利权人：安徽理工大学;安徽理工大学环境友好材料与职业健康研究院（芜湖）
申请日： 2023-04-18 - 公布日： 2023-08-29 - 主分类号： G06V20/59 文献下载
摘要：本发明公开了辅助驾驶领域的一种时空双特征的驾驶员疲劳检测方法，所述方法包括：对驾驶员疲劳数据集进行分帧处理，标签对应；对数据集图片中的人脸使用多任务卷积神经网络MTCNN网络进行人脸对齐和人脸定位；对人脸特征区域进行裁剪合并；将裁剪合并后的特征图片输入空间特征提取网络EMN‑net中进行训练；经过空间特征提取后的特征向量输入时序特征提取网络T‑lstm中训练；通过时空双特征网络模型预测驾驶员的疲劳状态。本发明结合驾驶员驾驶过程中面部疲劳特征的空间信息和时序信息，提高了对驾驶员疲劳驾驶的检测精度同时满足实时性要求。
基于时空特征驾驶员疲劳检测方法

[发明专利]融合光纤与模拟技术的隧道全断面变形监测预警方法-CN202310427008.5在审
发明人：徐良骥;刘潇鹏;顾成杰;梁兴柱;来文豪;石峥映;王列伟 -专利权人：安徽理工大学
申请日： 2023-04-17 - 公布日： 2023-08-25 - 主分类号： G01B11/16 文献下载
摘要：本发明公开了一种融合光纤与模拟技术的隧道全断面变形监测预警方法，涉及隧道变形监测技术领域，首先获取隧道所在区域的地质资料，建立数值模型后导入FLac3D岩土数值模拟软件获取对应的三维数值模拟模型，将隧道所在地层的岩土体物理学参数代入相应的模型内后进行初始平衡的计算后，在模型内进行隧道模拟开挖，并再次进行初始平衡的计算；于隧道内均匀布设分布式光纤/栅传感器以对隧道内的变形进行数据获取，周期性的获取分布式光纤/栅传感器对应的变形增量实测数据后代入建立的模型内进行相关参数的计算，并根据计算结果判断目标区域的风险等级；本发明融合了光纤监测及模拟技术进行隧道变形监测，避免了人工监测或人为设定变形上限的缺陷。
融合光纤模拟技术隧道断面变形监测预警方法

[发明专利]融合局部全局人脸特征的驾驶员疲劳检测方法-CN202310429878.6在审
发明人： 梁兴柱;姚伟 -专利权人：安徽理工大学
申请日： 2023-04-21 - 公布日： 2023-08-22 - 主分类号： G06V20/59 文献下载
摘要：本发明公开了辅助驾驶领域的一种融合局部全局人脸特征的驾驶员疲劳检测方法，所述方法包括：对真实行车采集的数据进行处理；对数据集图片中的人脸使用多任务卷积神经网络MTCNN网络进行人脸对齐和人脸定位；将处理的图片使用多粒度特征提取方法MTE获得人脸面部全局图像和局部细节图像；将全局人脸图像输入GT‑Net中训练，局部特征图像输入PT‑Net中训练；对GT‑Net和PT‑Net两个网络的预测概率进行集成学习，重新分配权重，获得疲劳检测的最终结果。本发明结合驾驶员面部全局图像和局部图像的不同信息，融合了两个模型的预测结果，提高对驾驶员疲劳驾驶的检测精度。
融合局部全局特征驾驶员疲劳检测方法

[发明专利]多模态数据融合的隧道灾害风险智能识别方法及其应用-CN202310426939.3在审
发明人：徐良骥;来文豪;顾成杰;刘潇鹏;梁兴柱;石峥映;王列伟 -专利权人：安徽理工大学
申请日： 2023-04-17 - 公布日： 2023-08-18 - 主分类号： G06F18/241 文献下载
摘要：本发明公开了一种多模态数据融合的隧道灾害风险智能识别方法及其应用，涉及数据传输技术领域，包括将多模态传感器数据转换到同一数值区间，建立端到端的多模态传感器数据融合和隧道灾害风险智能识别人工神经网络模型，在一个神经网络架构中完成多模态数据的处理、融合以及隧道病害风险智能识别，将所得数据输入到建立的多模态传感器数据融合和隧道灾害风险智能识别人工神经网络模型内，寻找该多模态传感器数据融合和隧道灾害风险智能识别人工神经网络模型参数中的冗余参量，通过正常的网络训练学习其连接性，修剪小权重连接，去除冗余和不重要的参数，获得轻量化的隧道灾害及风险识别深度模型；可实现隧道全域多灾害风险的智能识别。
多模态数据融合隧道灾害风险智能识别方法及其应用

[发明专利]一种共尺度卷积注意力机制的轨行区目标追踪方法-CN202310415812.1在审
发明人： 梁兴柱;陈苗苗;徐良骥;石峥映;方贤进;王列伟;刘潇鹏;顾成杰;来文豪 -专利权人：安徽理工大学;南京派光智慧感知信息技术有限公司;合肥派光感知信息技术有限公司
申请日： 2023-04-18 - 公布日： 2023-08-04 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种共尺度和卷积注意力机制的轨行区目标追踪方法，涉及目标追踪领域，首先输入模板图像和搜索图像，分别通过共尺度和卷积注意力的骨干网络提取多尺度和全局特征；使用独立的卷积注意力模块处理不同尺度的图像特征，同时使用双线性插值对每个尺度的图像特征进行下采样或上采样，以进行跨层注意；然后将提取的模板图像特征和搜索图像特征输入到改进的特征融合模块中去，增强帧与帧之间的特征交互能力。本发明目标追踪方法提高了轨行区目标追踪的计算效率。
一种尺度卷积注意力机制轨行区目标追踪方法

[发明专利]基于小特征感知金字塔网络的隧道异常检测方法-CN202310415815.5在审
发明人： 梁兴柱;高昂;徐良骥;方贤进;石峥映;王列伟;刘潇鹏;顾成杰;来文豪 -专利权人：安徽理工大学;南京派光智慧感知信息技术有限公司;合肥派光感知信息技术有限公司
申请日： 2023-04-18 - 公布日： 2023-07-14 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了轨道交通隧道中的一种小特征感知的隧道异常检测方法，所述方法包括：对轨道交通隧道现场数据进行处理；对残差网络的批量归一化进行改进；将提取到的特征图输入到小尺度感知特征金字塔中进一步细化多尺度的异常特征；使用感兴趣区域对齐来替代感兴趣区域池化；将检测头的连续两个全连接层换成四个卷积层加一个全连接层；对经过检测头后的特征向量进行分类和回归。本发明通过结合对轨道交通隧道中结构性病害特征和异物特征的低损失提取和高效多尺度融合，提高了对异常状况的检测精度同时满足实时性要求。
基于特征感知金字塔网络隧道异常检测方法

[发明专利]一种基于多尺度注意力融合的轻量级单目深度预测方法-CN202310238309.3在审
发明人：夏晨星;段秀真;葛斌;崔建华;葛国庆;梁兴柱;王列伟 -专利权人：安徽理工大学
申请日： 2023-03-14 - 公布日： 2023-07-07 - 主分类号： G06V10/774 文献下载
摘要：发明提出一种基于多尺度注意力融合的轻量级单目深度预测方法，采用相对轻量级的主干网络完成单目深度预测任务。尝试将轻量级网络所产生的多层次特征与所提出的注意力机制模块结合，在速度有所提升的同时不损失精确度。首先利用主干网络生成多层次特征，将多层特征进行分组，在第3、4、5层使用通道注意力，关注通道之间的关系，通过对通道的加权来增强重要的特征，学习每个通道的重要性，使得模型能够更好地捕捉不同通道之间的信息，提高模型性能；在第1、2层采用空间注意力，关注空间位置之间的关系，通过对不同位置的特征进行加权来突出重要的位置信息。除此之外，将每层特征的差异融合到注意力机制，增强边界。通过提出的注意力机制进一步获得密集的深度信息，得到高质量的深度图，用于SLAM(SimultaneousLocalizationandMapping)、三维重建、自动驾驶、目标检测等下游任务。
一种基于尺度注意力融合轻量级深度预测方法

[发明专利]一种隧道中基于可信度的数据安全传输方法及其应用-CN202310426983.4在审
发明人：徐良骥;顾成杰;刘潇鹏;来文豪;梁兴柱;石峥映;王列伟 -专利权人：安徽理工大学
申请日： 2023-04-17 - 公布日： 2023-06-30 - 主分类号： H04L9/40 文献下载
摘要：本发明公开了一种隧道中基于可信度的数据安全传输方法及其应用，涉及数据传输技术领域，该方法包括当前节点根据要求确定其对下一节点所需信任度K；然后对当前节点后继传输方向上的所有邻节点进行当前信任度计算；判断所有当前信任度中是否存在大于等于K的，若不存在则停止数据传输，存在则判断当前信任度大于等于K的所有邻节点中是否存在目标节点，若是，则直接将数据包发送给目标节点；若否，则由当前信任度大于等于K的所有邻节点中任选一个作为下一跳节点进行数据包的传输，传输后返回初始步骤，直至将数据包传送至目的节点或返回失败信息；本发明能够有效规避传输路径中信息篡改类节点、传输失效类节点出现的概率，提高了信息传输的安全性。
一种隧道基于可信度数据安全传输方法及其应用

[发明专利]一种基于深度质量加权的RGB-D显著性目标检测方法-CN202310201765.0在审
发明人：夏晨星;杨凤;梁兴柱;崔建华;王列伟;段松松 -专利权人：安徽理工大学
申请日： 2023-02-28 - 公布日： 2023-06-23 - 主分类号： G06V10/46 文献下载
摘要：本发明属于计算机视觉领域，提供了一种基于深度质量加权的RGB‑D显著性目标检测方法，包括以下步骤：1)获取训练和测试该任务的RGB‑D数据集，并定义本发明的算法目标；2)构建用于提取RGB图像特征RGB编码器和深度(Depth)图像特征Depth编码器；3)构建跨模态加权融合模块，通过加权式引导的深度质量评估机制指导提取的RGB图像特征和Depth图像特征进行加权融合；4)构建用于多尺度特征提取融合的双向尺度相关卷积机制，以增强多模态特征的高级语义信息；5)建立解码器以生成显著图Pest；6)预测的显著图Pest与人工标注的显著目标分割图PGT计算损失；7)对测试数据集进行测试，生成显著图Pest，并使用评价指标进行性能评估。本发明可有效整合来自不同模态图像的互补信息，提升复杂场景下显著性目标预测的准确度。
一种基于深度质量加权 rgb 显著目标检测方法

[发明专利]基于在线协作与特征融合的蒸馏方法与装置-CN202310171773.5在审
发明人： 梁兴柱;刘稳;徐良骥;石峥映;方贤进;王列伟;刘潇鹏;顾成杰;来文豪 -专利权人：安徽理工大学
申请日： 2023-02-23 - 公布日： 2023-06-13 - 主分类号： G06F18/213 文献下载
摘要：本发明公开了一种基于在线协作与特征融合的蒸馏方法与系统，所述方法包括：步骤1：多尺度提取中间层和最后一层的特征；步骤2；将步骤1得到的特征累加和提前融合；步骤3：将步骤2得到的特征输送到双重注意力网络；步骤4：将步骤3得到的新的特征进行融合形成一个分类器，该融合分类器是作为教师网络去指导学生网络学习。本发明旨在通过特征累加和早融合的方法来充分利用各个学生的表征知识，从而提升各网络的性能。
基于在线协作特征融合蒸馏方法装置

[发明专利]一种注意力激活重调制的弱监督语义分割方法、设备及存储介质-CN202310225271.6在审
发明人： 梁兴柱;李厚国;徐良骥;石峥映;方贤进;王列伟;刘潇鹏;顾成杰;来文豪 -专利权人：安徽理工大学
申请日： 2023-03-10 - 公布日： 2023-06-13 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种注意力激活重调制的弱监督语义分割方法、设备及存储介质，涉及计算机视觉领域；该方法主要是利用传统的类激活映射(CAMs)分支和重调制分支来获得加权的CAMs，提供重新校准的监督；具体来说，注意力激活重调制方案就是分别从通道和空间的角度来重新安排重要特征的分布，这有助于调控面向分割的激活反应；此外该方法还另外的提出一个特征像素提取模块(FPEM)，它可以利用上下文的信息，完善两个分支对当前像素的预测。
一种注意力激活调制监督语义分割方法设备存储介质

[发明专利]一种将离线训练和在线学习相结合的单目标追踪方法-CN202310246736.6在审
发明人：林玉娥;李梦凡;梁兴柱;王列伟 -专利权人：安徽理工大学
申请日： 2023-03-10 - 公布日： 2023-06-13 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种将离线训练和在线学习相结合的单目标追踪方法，所述方法包括：步骤1：获取追踪数据集，将追踪视频切分成一帧一帧的图片，并将图片裁剪成固定的大小；步骤2：构建一个基于孪生网络的单目标追踪器，在视频序列的第一帧指定目标后，利用边界框持续跟踪目标，实现目标的定位与尺度估计；步骤3：在步骤2构建好的孪生网络的基础上引入基于IoU的排名损失作为优化约束，并构建多分类分支用于区分目标与背景，使得分类置信度分数与目标定位预测IoU保持一致；步骤4：在步骤3的基础上构建基于注意力机制的在线训练模块，以并行的方式与孪生网络相结合，通过这样的方法可以充分利用背景信息提取目标特定上下文信息，提高追踪器的准确率。最后实验表明该理论具有可行性并展示了实验结果。
一种离线训练在线学习相结合目标追踪方法

[发明专利]一种基于多级特征并行交互融合的单目深度预测方法-CN202211252277.4在审
发明人：夏晨星;段秀真;梁兴柱;王列伟;孙延光;段松松 -专利权人：安徽理工大学
申请日： 2022-10-13 - 公布日： 2023-01-06 - 主分类号： G06T7/55 文献下载
摘要：本发明提出一种基于多级特征并行交互融合的单目深度预测方法，尝试提出一种CNN与Transformer层级交互融合的方式，使用SwinTransformer和CNN不同分辨率特征图进行融合，以获得更好的编码器，获取更丰富的全局和局部特征信息，达到提取密集特征的效果。使用分层ResNet和SwinTransformer作为编码器，分别提取局部相邻信息特征与全局长范围上下文信息，通过层级ResNet网络与Transformer的融合，在编码器阶段获得丰富的局部与全局信息，避免因为重复的下采样而丢失过多的特征信息。此外，本发明构建了一个新的融合模块(FFM)，在层级特征提取阶段，更好的促进卷积神经网络输出与Transformer输出高效融合，进一步获得密集的深度信息，得到高质量的深度图，用于三维重建、自动驾驶、智能机器人等领域。
一种基于多级特征并行交互融合深度预测方法

1
2
下一页»
尾页
共 29 条