公开(公告)号：CN113723217B

公开(公告)日：2025-01-14

申请号：CN202110907348.9

申请日：2021-08-09

Applicant: 南京邮电大学

Inventor： 蔡勇 ,  成孝刚 ,  宋丽敏 ,  明峥 ,  王晨昕

IPC: G06V20/40 ,  G06V20/52 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种基于yolo改进的物体智能检测系统，解决了现有的yolo网络不能检测物体摆放角度的问题。该方法包括：获取待测物体图片；将待测物体图片输入训练好的智能识别网络模型中，获取检测结果和对应的物体角度。所述智能识别网络模型基于深度学习框架Pytorch构建，以yolo网络模型为基础，采用Darknet‑53模型结构，包括53个卷积层、23个残差模块、5次降采样、3个不同尺度下的预测结果输出端以及设置在各预测结果输出端上的attention模块。本发明在原有yolov3网络的基础上，增加了attention模块，在不降低物体识别精度的条件下，完成对物体角度的检测，有利于机械抓手根据角度准确抓住物体。

公开(公告)号：CN113723217A

公开(公告)日：2021-11-30

申请号：CN202110907348.9

申请日：2021-08-09

Applicant: 南京邮电大学

Inventor： 蔡勇 ,  成孝刚 ,  宋丽敏 ,  明峥 ,  王晨昕

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于yolo改进的物体智能检测系统，解决了现有的yolo网络不能检测物体摆放角度的问题。该方法包括：获取待测物体图片；将待测物体图片输入训练好的智能识别网络模型中，获取检测结果和对应的物体角度。所述智能识别网络模型基于深度学习框架Pytorch构建，以yolo网络模型为基础，采用Darknet‑53模型结构，包括53个卷积层、23个残差模块、5次降采样、3个不同尺度下的预测结果输出端以及设置在各预测结果输出端上的attention模块。本发明在原有yolov3网络的基础上，增加了attention模块，在不降低物体识别精度的条件下，完成对物体角度的检测，有利于机械抓手根据角度准确抓住物体。

公开(公告)号：CN112581396A

公开(公告)日：2021-03-30

申请号：CN202011504507.2

申请日：2020-12-18

Applicant: 南京邮电大学

Inventor： 王宏伟 ,  成孝刚 ,  宋丽敏 ,  邵文杰 ,  蔡勇

IPC: G06T5/00

Abstract: 本发明公开了一种基于生成对抗网络的反射消除方法，包括如下步骤：步骤S1、建立数据集；步骤S2、构建反射消除网络模型；步骤S3、定义出所需的损失函数；步骤S4、对所述反射消除网络模型进行迭代训练；步骤S5、测试训练后的反射消除网络模型，输出最终的反射消除网络模型；步骤S6、利用反射消除网络模型消除输入图像中的反射。本发明所采用的生成对抗网络进行反射消除，和以往的方法相比，具有更好的可靠性和泛化性。