公共文化服务平台

一种基于AR辅助的车架支架安装情况检测方法、计算机系统及计算机可读存储介质: 本发明属于车架安装智能检测领域，具体涉及一种基于AR辅助的车架支架安装情况检测方法、计算机系统及计算机可读存储介质。该方法通过车架支架检测模型得到车架支架的检测结果并判断车架支架安装情况，在AR设备中展示检测、判断结果；...; 徐明亮崔丽莎邓龙宋志文范黎健姜晓恒

基于深度学习的飞机挂架检测方法以及终端设备: 本发明公开了基于深度学习的飞机挂架检测方法以及终端设备；包括步骤：构建模型，训练模型包括前后级联的多个卷积模块，在第一卷积模块之后，至少有一个卷积模块的输入端和输出端之间设置有短连接通道，短连接通道的输出特征与卷积模块的...; 姜晓恒徐明亮吴欣怡崔丽莎吕培周兵郭毅博

基于深度学习的飞机挂架检测方法以及终端设备: 本发明公开了基于深度学习的飞机挂架检测方法以及终端设备；包括步骤：构建模型，训练模型包括前后级联的多个卷积模块，在第一卷积模块之后，至少有一个卷积模块的输入端和输出端之间设置有短连接通道，短连接通道的输出特征与卷积模块的...; 姜晓恒徐明亮吴欣怡崔丽莎吕培周兵郭毅博; 文献传递

一种表面缺陷检测模型的构建方法、机械臂抓取分类方法、计算机系统及计算机可读存储介质: 本发明属于工业图像缺陷检测领域，具体涉及一种表面缺陷检测模型的构建方法、机械臂抓取分类方法、计算机系统及计算机可读存储介质。包括：1）经过骨干网络分别得到RGB图像和热力图对应的尺度不同的各层初始特征图并进行特征融合；再...; 徐明亮崔丽莎刘腾岳姜晓恒马明李正浩

基于边界和语义感知的表面缺陷分割网络: 2025年; 针对部分缺陷特征微弱、边界模糊以及尺度变化大等问题,提出了一种基于边界和语义感知的表面缺陷分割方法ESNet。首先采用双分支网络分别学习图像的语义信息和细节信息,为有效利用2个分支的全面互补信息,提出了双边注意力指导模块(BAGM),通过语义分支的通道注意力指导细节分支学习上下文信息,而细节分支的空间注意力则指导语义分支捕捉底层细节信息。在语义分支中,设计了多尺度金字塔池化模块(MPPM),充分学习和编码多层次上下文信息。同时,在细节分支中,进一步引入了边界感知模块(EAM),通过底层预测的边界图指导高层特征图学习并增强边界信息。最后,为了有效融合细节特征和语义特征,提出了语义感知模块(SAM),缓解跨尺度特征融合的语义信息不对齐问题。在公开缺陷分割数据集NEU-Seg,MT-Defect和MSD上进行了大量实验,实验结果验证了该方法的有效性。; 崔丽莎宋志文姜晓恒马鑫陈恩庆徐明亮; 关键词：边界信息语义信息注意力

基于视觉的焊缝识别方法、系统、设备及介质: 本发明公开了一种基于视觉的焊缝识别方法、系统、设备及介质，方法包括以下步骤：对RGB图像和深度图像分别进行特征提取，获得多级RGB编码特征和多级深度编码特征；对多级RGB编码特征和多级深度编码特征进行特征增强和跨模态特征...; 徐明亮姜晓恒郝世隆卢洋崔丽莎

融合先验知识推理的表面缺陷检测被引量：1: 2024年; 当前基于深度学习的表面缺陷检测方法主要侧重于单独识别缺陷实例,即仅从区域特征方面考虑缺陷检测。然而,这种方法忽略了缺陷之间的高层关系,难免会出现缺陷检测误差。针对上述问题,提出了一种融合先验知识推理的表面缺陷检测网络(PKR-Net)。PKR-Net主要由2个部分组成,即显性知识推理模块(EKRM)和隐性知识推理模块(IKRM)。EKRM通过构建显性关系图(ERG)来捕获数据集中缺陷之间的全局共现关系得到共现关系特征,而IKRM通过构建隐性关系图(IRG)来捕获图像中缺陷之间的局部空间关系得到空间关系特征。最后将得到的共现关系特征和空间关系特征进行融合,并重新送入分类层和回归层以改进检测效果。在工业缺陷数据集Textile,NEU-DET和GC10-DET上进行实验验证,实验结果表明,该网络模型相比基线模型Faster RCNN,其mAP分别提升了14.8%,8.2%和18.9%,与其他缺陷检测模型相比能够达到更好的检测性能,验证了模型的有效性。; 姜晓恒段金忠卢洋崔丽莎崔丽莎; 关键词：表面缺陷检测先验知识目标检测

一种缺陷图像生成方法、装置、设备及介质: 本申请提供了一种缺陷图像生成方法、装置、设备及介质。该方法包括步骤：获取多个正常样本图像，将正常样本图像和高斯噪声输入第一生成网络中；根据多个正常样本图像和高斯噪声，计算获取每个正常样本图像对应的缺陷掩码；将正常样本图像...; 姜晓恒徐明亮李英杰卢洋崔丽莎南晓斐

基于人类视觉认知机制的表面缺陷检测: 2025年; 进行表面缺陷检测是确保产品性能、质量、美观度以及生产效率的重要手段。尽管人工智能在视觉检测领域取得了飞速发展,但基于生物视觉认知指导机器视觉学习的方法,仍是研究难点。提出了一种基于人类视觉认知机制的表面缺陷检测网络(HVCM-Net)。在宏观层面,模拟视网膜上中央凹和中央凹外区域的工作原理,提出了中央视觉分支和外周视觉分支并行的骨干网络,分别负责学习缺陷图像的高空间频率局部细节信息和低空间频率全局语义信息。在微观层面,动态权重融合模块(DWFM)以自适应的方式融合两个分支的输出特征图,可学习和过滤更全面、准确和互补的缺陷特征。另外,融合分支引入特征保存下采样(FPD)模块,采用特征拼接技术,有效缓解了传统采样可能产生的微弱缺陷信息丢失问题。HVCM-Net在缺陷数据集GB-DET、NEU-DET和DAGM2007上取得了优于其他方法的检测性能,验证了其有效性。; 崔丽莎代润鹏姜晓恒李飞蝶陈恩庆陈恩庆; 关键词：人类视觉外周视觉

一种基于深度学习的纺织品关系抽取方法: 本发明公开了一种基于深度学习的纺织品关系抽取方法，包括步骤：第一步，获取纺织品领域非结构化文本数据，对文本数据进行预处理形成数据集，关系分类器利用神经网络对数据集进行特征提取，计算反向交叉熵；第二步，利用反向交叉熵计算对...; 徐明亮刘允姜晓恒卢洋崔丽莎

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

崔丽莎