-
公开(公告)号：CN114882449A
公开(公告)日：2022-08-09
申请号：CN202210373395.4
申请日：2022-04-11
Applicant: 淮阴工学院
Abstract: 本发明公开了一种基于Car‑Det网络模型的车辆检测方法及装置，Car‑Det网络模型包括RcNet主干特征提取模块，HNet加强特征提取模块以及YoloHead目标检测模块。检测方法的具体步骤为：将待检测的图像或视频输入到特征提取模块中得到图像的多尺度特征，将所得的多尺度特征统一为中间尺度后，计算它们的平均特征，并通过空间通道注意力模块对特征进行加强，最后将其叠加到原本多尺度特征的每一层，使用YoloHead目标检测模块定位图中的目标物体。本发明通过使用深度可分离卷积，通道注意力机制以及残差思想构建主干网络，大幅减少参数量，通过HNet加强特征提取模块和YoloHead目标检测模块提高了检测目标的准确率。
-
公开(公告)号：CN117315716A
公开(公告)日：2023-12-29
申请号：CN202311229543.6
申请日：2023-09-22
Applicant: 淮阴工学院
IPC: G06V40/10 , G06V20/52 , G06V10/62 , G06V10/80 , G06V10/52 , G06V10/42 , G06V10/44 , G06V10/74 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/0985
Abstract: 本发明公开了一种基于双相似度分割的遮挡行人重识别方法及装置，采用全局上下文关联模块提取全局特征；采用分组融合模块通过将不同尺度的特征图融合来收集更多的局部信息；然后使用加权交叉熵和三元组损失函数共同优化多分支网络；另外采用了双相似度区域分割方法消除图像中出现的无效干扰块，融合有效区域块的相似度；将行人图像对的全局相似度和各局部区域相似度进行融合，按相似度从大到小排序，实现行人重识别。本发明的方法显著提高了识别的性能，解决了遮挡行人重识别准确率不高的问题，为遮挡行人重识别在实际的应用中提供了一种更具优势的方法。
-
公开(公告)号：CN117315633A
公开(公告)日：2023-12-29
申请号：CN202311234257.9
申请日：2023-09-22
Applicant: 淮阴工学院
IPC: G06V20/59 , G06V10/44 , G06V10/42 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/048
Abstract: 本发明公开了一种基于姿态补充特征的驾驶员行为识别方法及装置，首先，预先获取驾驶员分心行为数据集，并对数据进行预处理；然后，将图像分别送入基于内卷积注意力的双叉式网络和姿态补充网络，通过双叉式网络同时关注局部特征和全局特征从而得到深层特征，通过姿态补充网络得到姿态补充特征；最后，将得到的深层特征和姿态补充特征进行特征融合；对驾驶员的行为进行检测。本发明在一定程度上克服了传统驾驶员行为识别时特征单一不全面、驾驶员相似行为难以区分以及复杂背景影响驾驶员行为识别的问题，提升了真实场景下驾驶员分心行为识别准确率，可辅助驾驶员安全行车，更贴合于实际情况，应用更为广泛，实用性更强。
-
公开(公告)号：CN117315597A
公开(公告)日：2023-12-29
申请号：CN202311229537.0
申请日：2023-09-22
Applicant: 淮阴工学院
IPC: G06V20/54 , G06V10/80 , G06V10/44 , G06V10/422 , G06V10/54 , G06V10/52 , G06V10/62 , G06V10/46 , G06V10/77 , G06V10/74 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/08 , G06N3/048
Abstract: 本发明公开了一种基于多分支的车辆重识别方法及装置，对预先获取的交通车辆原始图像进行预处理，构建包括主干网络模块、Transformer融合模块、全局特征提取模块以及局部特征提取模块的车辆重识别网络；主干网络模块用于提取车辆的特征信息；所述全局特征提取模块用于更好的提取特征信息并融合产生一个整体全局的车辆外观特征，判断车辆的一个整体轮廓；所述局部特征提取模块更加注意的是局部的一些细节特征的提取；所述Transformer融合模块来融合和进一步捕捉图像中的全局结构和语义信息，使其更好的分辨目标车辆。本发明通过三路分支的Transformer融合模块、局部和全局的特征提取的方法能在复杂的交通环境下对车辆进行有效的重识别。
-
公开(公告)号：CN115457367B
公开(公告)日：2023-09-26
申请号：CN202211156147.0
申请日：2022-09-22
Applicant: 淮阴工学院
IPC: G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/0495 , G06V10/80 , G06V10/52 , G06V10/774 , G06V10/776
Abstract: 本发明提供了一种基于Light‑Net的轻量级目标检测方法及系统，首先对预先获取的待检测图像，进行预处理，并划分为训练集和测试集；构建Light‑Net网络模型，包括由六个DW特征提取模块构成的主干网络、一个循环特征融合网络模块以及三个目标检测模块；将预处理之后的训练集输入到Light‑Net网络模型中进行训练；将预处理之后的测试集输入到训练好的模型中，评估模型的性能。本发明构建的Light‑Net模型架构结构简单，形成的环状结构能够尽可能的将有效的特征保存在网络中，额外的反馈连接能够将循环特征融合网络模块中的有效信息以及错误信息回传到主干网络中，指导主干网络的参数调整；且能采用较少参数实现图像中目标的准确识别。
-
Patent Agency Ranking
公开(公告)号：CN115019338B
公开(公告)日：2023-09-22
申请号：CN202210450895.3
申请日：2022-04-27
Applicant: 淮阴工学院
IPC: G06V40/10 , G06V40/20 , G06V20/52 , G06V20/40 , G06V10/82 , G06V10/80 , G06V10/26 , G06V10/22 , G06N3/0464 , G06N3/08
Abstract: 本发明设计了一种基于GAMHR‑Net的多人姿态估计方法及系统；首先，用目标检测网络对输入图像或视频进行检测，获取人体位置信息；构建包括一个Stem‑Net模块、四个Stage模块、四个transition模块以及三个GAMBlock模块的GAMHR‑Net网络；将人体位置信息与对应的图像送入GAMHR‑Net网络进行特征提取和特征融合；将得到人体关节点并将关节点在原图像或原视频上展示出来。本发明充分利用现有特征的同时，再结合全局的语义信息，实现了更加准确和鲁棒的姿态预测；通过Stem‑Net结构，利用并行可分离卷积的思想来减少初步特征提取阶段时底层信息的损失；通过GAMBlock模块加强全局空间通道的交互以减少信息的损失，实现了较高的关节点定位精度和召回率。
-
公开(公告)号：CN116030245A
公开(公告)日：2023-04-28
申请号：CN202310032957.3
申请日：2023-01-10
Applicant: 淮阴工学院
IPC: G06V10/25 , G06V10/77 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于DSLNet网络的车辆检测方法及装置，对预先获取的交通车辆原始图像进行预处理，分为训练图像和测试图像；构建DSLNet车辆目标检测网络；包括主干网络模块、UDM加强特征提取模块以及YoloHead目标检测头模块；主干网络模块用于提取车辆的特征信息，UDM加强特征提取模块进一步加强特征的提取能力，YoloHead目标检测头模块用于检测目标对象；将事先分配好的训练图像输入到DSLNet车辆目标检测网络中进行训练；将测试图像输入到训练好的DSLNet车辆目标检测网络中，进行评估。本发明提出的DSLNet网络，结构简单，采用大卷积和小卷积组合的方式进行特征提取，并采用深度可分离卷积来降低参数量，能够实现道路图像中实时的车辆的准确识别，且识别准确率较高。
-
公开(公告)号：CN115272987A
公开(公告)日：2022-11-01
申请号：CN202210794742.0
申请日：2022-07-07
Applicant: 淮阴工学院
Abstract: 本发明公开了一种基于MSA‑Yolov5的恶劣天气下车辆检测方法及装置，首先，将DAWN数据集划分为训练集与测试集，并进行预处理；其次，构建MSA‑Yolov5模型，包括Backbone模块、Neck模块以及Prediction模块；其中Backbone模块为MSA‑ResBlock，包括Focus网络、SCBAM模块和ResBlock模块；首先用SCBAM模块对恶劣天气下，模糊场景中的车辆、行人目标进行特征强化；然后通过多尺度特征融合，使用GIoU算法作为边界框损失函数，使用FocalLoss降低预测框内正负样本的不平衡问题；最后检测出恶劣天气下车辆、行人的位置信息和标签信息，并得出检测的精确度。本发明具有图像校正的计算量减小、检测流程精简、网络的识别精度高的特点，可以对恶劣天气下的车辆、行人进行检测，并且具有检测速度快、模型小、准确率高的优点。
-
公开(公告)号：CN117150007A
公开(公告)日：2023-12-01
申请号：CN202310939664.3
申请日：2023-07-27
Applicant: 淮阴工学院
IPC: G06F16/35 , G06F18/214 , G06F40/211 , G06F40/253 , G06F40/30 , G06F40/194 , G16H50/70
Abstract: 本发明公开了一种面向呼吸道疾病文本的多角度文本分类方法，包括：收集呼吸道疾病文本，并确定各呼吸道疾病文本分别对应的疾病类别，进行文本预处理，制作呼吸道疾病文本样本；并使用呼吸道疾病文本样本制作相关词向量和字典，按照比例并划分出训练集、验证集和测试集；使用清华树库TCT的词性标注模型对训练集文本进行句法分析，针对分析结果的名词和形容词构建特征疾病表；建立疾病诊断网络DDNet，并进行训练；将目标样本文本输入到训练好的疾病诊断网络DDNet中获得目标样本文本的分类。针对呼吸道疾病文本的特殊性和多元性，本发明方法从多角度对其进行解析分类，具有较高的针对性和可操作性。
-
公开(公告)号：CN114882449B
公开(公告)日：2023-08-22
申请号：CN202210373395.4
申请日：2022-04-11
Applicant: 淮阴工学院
Abstract: 本发明公开了一种基于Car‑Det网络模型的车辆检测方法及装置，Car‑Det网络模型包括RcNet主干特征提取模块，HNet加强特征提取模块以及YoloHead目标检测模块。检测方法的具体步骤为：将待检测的图像或视频输入到特征提取模块中得到图像的多尺度特征，将所得的多尺度特征统一为中间尺度后，计算它们的平均特征，并通过空间通道注意力模块对特征进行加强，最后将其叠加到原本多尺度特征的每一层，使用YoloHead目标检测模块定位图中的目标物体。本发明通过使用深度可分离卷积，通道注意力机制以及残差思想构建主干网络，大幅减少参数量，通过HNet加强特征提取模块和YoloHead目标检测模块提高了检测目标的准确率。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.038 seconds)
