本发明属于图像处理技术领域，尤其涉及一种基于深度学习的毛毯压花定位方法。同步采集压花区域连续图像序列及张力、传输速度等生产参数构建数据集；对图像序列扫描提取压花图案轮廓关键点作为定位锚点，划定ROI区域得到粗定位结果；将生产参数输入改进时序卷积网络预测毛毯平移和旋转形变偏移量，对粗定位结果校正生成定位掩码；预存压花模板几何参数，将定位掩码与模板匹配计算，根据阈值判断是否达标用于定位。本发明融合多源数据与时序建模，通过分层定位策略，结合智能化特征处理，实现压花定位，解决了传统方法定位精度不足、易出现图案形变和错位等问题，提升了定位精度和生产效率。
📄 2025107210653
📂 G06V10_25
👤 山东高德毛毯有限公司
📅 2025-05-30
本发明提出一种基于尺度感知和联合注意力的红外小目标检测方法与系统，该方法包括：通过基础特征提取模块对红外图像进行初步特征提取，得到初级特征图；通过多尺度感知模块对初级特征图进行多层级特征提取，得到多尺度特征图；通过全语义聚合编码模块将初级特征图和多尺度特征图进行融合，得到编码特征图；将编码特征图和多尺度特征图输入至跨语义引导解码模块进行重建解码，得到解码特征图；将解码特征图输入至预测头，得到预测图像；基于预测图像得到最终的检测结果。本发明通过尺度感知和联合注意力两大机制有效优化了模型结构，显著减少了模型参数和计算负载量，在保持卓越性能的同时实现了高效轻量化的检测能力。
📄 2025102384593
📂 G06V10_25
👤 江西财经大学
📅 2025-03-03
一种基于深度学习的高性能多尺度目标检测方法，所述方法包括训练过程和检测过程，所述训练过程如下：1.1、输入图片，生成图像块；1.2、筛选正图像块；1.3、筛选负图像块；1.4、输入图像块，训练模型；所述检测过程如下：2.1、预测焦点像素集；2.2、生成焦点图像块；2.3、RoI阶段；2.4、分类和回归；2.5、焦点合成。本发明针对训练过程提出一种全新的候选区域选取方法，同时针对检测流程，采用一种由浅入深的方法，忽略不可能包含目标的区域，相对于过往检测算法处理整个图像金字塔，该发明显著得减少多尺度检测方法的计算量，大幅提高检测速率，突破了以往多尺度检测算法无法投入实际应用的瓶颈。
📄 2020109206081
📂 G06V10_25
👤 浙江工业大学
📅 2020-09-04
本发明公开了一种模型特征和目标纹理信息融合的红外隐身方法和装置，设计了一种基于目标纹理信息的自适应补丁初始化方法。即通过利用目标图像的纹理信息指导红外对抗补丁的形状、大小以及位置设计，从而解决对抗补丁的复杂度与对抗补丁的优化难度之间的冲突，从而在保证了隐身效果以及完成数字域到物理域的迁移的前提下更加快高效地速完成补丁设计优化过程。
📄 2024117067657
📂 G06V10_25
👤 浙江工业大学
📅 2024-11-26
一种基于渐进式生成网络的医学图像增广方法，提出了一种基于纹理连续性辨别和图像重构约束的渐进式生成网络，并构建了新颖的增广方法。该方法可依据无病灶感兴趣区域(ROI)图像的纹理信息和带病灶ROI图像的病灶信息生成带病灶的ROI合成图。所得ROI合成图被无缝blending入无病灶真实图的对应位置以增广病灶检测器的训练样本。为保证ROI合成图的临床表征和纹理连续性满足检测训练的要求，“先降后升”的渐进式生成策略被提出。此外，病灶周边区域的纹理连续性辨别方法被设计，重构损失对生成网络的约束被利用。
📄 2021103149357
📂 G06V10_25
👤 浙江工业大学
📅 2021-03-24
本发明公开了一种基于深度神经网络的货架相似商品的检测方法及装置。本发明通过将商品图像输入至一训练好的商品图像检测模型中，获得商品图像中各类商品的具体位置及分类结果。其中商品图像检测模型在训练时，利用线性判别分析方法对目标检测网络中间层的特征向量处理，以找到使得类间距离最大，类内方差最小的投影矩阵，然后再将中间层的特征向量投影到投影矩阵所对应的空间中，对投影后的特征向量使用聚类方法构建聚类损失来减小相同类别内的距离，增加不同类别间的距离，从而提高货架上相似商品的检测精度。
📄 2022110794914
📂 G06V10_25
👤 浙江工业大学
📅 2022-09-05
本发明公开了一种无人机视角下目标检测方法，通过减少骨干网络的层数并增大待检测特征图的尺寸，增加了包含丰富小目标语义信息的特征层，从而在减少网络深度的同时，使模型能够更专注于小目标的检测；使用了GELAN设计思想的RepNCSPELAN4结构替换了原模型中的C2f结构，该结构允许它支持多种类型的计算块，使其可以更好适应不同的计算和硬件需求，并有效提高了计算效率和性能；在空间金字塔池化层SPPF中引入了可变形注意力机制DAT，使网络能够动态选择采样点，让模型能够更集中地关注当前任务中最重要的区域。本发明在提升小目标检测性能的同时，不会增加复杂的算法开销，从而实现了模型复杂度与精度之间的更好平衡，检测结果更精确，模型参数量更少。
📄 2024119919793
📂 G06V10_25
👤 浙江工业大学
📅 2024-12-31
一种基于信息互补的双流解码器的图像显著性检测方法，包括：步骤S1、将标签图像分解得到对应的主体标签图和轮廓细节标签图；步骤S2、对训练数据集图像做随机裁剪、随机旋转、归一化、灰度化处理以增强样本的多样性；步骤S3、输入图像，使用VGG16框架预先处理，并使用一组不同维度的编码块，分别收集不同大小的图像特征；步骤S4、对通过编码器得到的五层输出特征图输入Embedding层，进行统一维度；步骤S5、将目标主体图编码后的特征和轮廓细节图编码后的特征，分别传入显著性支路和轮廓图支路，同时在各自支路上分别用获得的主体特征图和轮廓特征图进行监督；步骤S6、将两个主支路上所得到的目标主体特征和轮廓细节特征进行相加融合后，得到最终的预测图像。
📄 2021113040647
📂 G06V10_25
👤 浙江工业大学
📅 2021-11-05
一种基于动态单应性矩阵映射的免标志视觉测量变形监测方法，包括：通过相机实时拍摄天然特征图像，对图像进行预处理并选取天然特征感兴趣区域后进行特征识别，通过特征点匹配算法得到各特征点位移结果；判别并标记其中的异常特征点，向前追溯最近的稳定图像并计算动态单应性矩阵，通过矩阵映射计算得到特征点在图像中的最优估计并修正异常特征点坐标；经过加权平均计算各个特征点位移得到天然特征单一位移。本发明实现待测目标天然特征的长时间免标志视觉测量变形监测，增强多种环境因素耦合作用下天然标志识别追踪的稳定性，满足测量精度且适应多种测量环境要求。
📄 2024110688651
📂 G06V10_25
👤 浙江工业大学
📅 2024-08-06
一种图像金字塔引导的遥感影像小目标检测方法，包含：步骤1：构建骨干网络；步骤2：构建图像金字塔引导网络，构建图像金字塔引导网络，提取图像金字塔特征信息；步骤3：融合骨干与图像金字塔特征，在步骤1、2的基础上得到骨干特征映射图R与图像金字塔特征映射图F，将图像金字塔特征信息作为附加信息，融合到骨干特征信息中去：步骤4：多层次特征融合；在步骤3得到骨干特征与图像金字塔特征融合后的多尺度特征O后，利用特征金字塔网络的侧边横向连接方式，构建一条自上而下的融合路径，将深层语义信息融合到浅层丰富的空间信息中去。本发明提高了小目标检测的精度。
📄 2021102467437
📂 G06V10_25
👤 浙江工业大学
📅 2021-03-05
基于渐进式多尺度特征融合的RGB‑D显著性检测方法，包括：1)获取训练和测试该任务的RGB‑D数据集。2)选择双流Swin‑Transformer模型为主干网络，提取模型训练时四个阶段的RGB特征和深度特征。3)通过交叉注意融合模块得到四个阶段的跨模态融合特征。4)利用空间渐进融合模块，将四个阶段的跨模态融合特征聚合成最终的解码特征。通过三个权重融合模块，将前三个阶段的跨模态融合特征依次融入解码特征中。5)在每个权重融合模块后，利用渐进卷积模块对权重融合后的特征图进行特征提取。将最后一个渐进卷积模块的输出特征图作为RGB‑D显著性目标检测的结果。本发明自带的自注意力机制可以直接建模特征图上不同位置之间的关系，而不受距离限制，从而有效捕捉图像中长距离的依赖关系。
📄 2025100015787
📂 G06V10_25
👤 浙江工业大学
📅 2025-01-02
基于偏见注意力的视频推荐历史偏见缓解方法，包括：(1)数据预处理；(2)查找偏见神经元；(3)计算偏见掩模；(4)计算偏见注意力掩模；(5)输出添加偏见注意力掩模；(6)对每一层都重复步骤(2)、(3)、(4)和(5)，直至所有层都经过去偏操作处理，至输出层结束。本发明避免了海量数据造成的高计算复杂度问题；偏见注意力在不改变正常神经元激活值的前提下，抑制了偏见神经元的激活输出，能够有效抵消偏见神经元造成的偏见行为。
📄 2022113255747
📂 G06V10_25
👤 浙江工业大学
📅 2022-10-27
柿子坊 · 知识产权运营
柿子坊知识产权运营平台