公开(公告)号：CN118486024A

公开(公告)日：2024-08-13

申请号：CN202310158322.8

申请日：2023-02-10

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 颜红梅 ,  高港耀 ,  石一

IPC: G06V20/70 ,  G06V10/26 ,  G06V10/22 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开一种按比例分割图像的新型小目标检测方法，为解决图像输入网络分辨率下降的问题，使用了按比例分割图像的方式；为解决分割边缘位置目标被截断导致难以准确检测的问题，对边缘分割到的不完整目标，进行重新计算；为缓解分割边缘目标截断现象，图像每一局部之间设置重叠；为平衡目标截断程度和小目标检测性能，重叠率根据数据集尺度分布自适应计算；此外，为突出小目标的特征，引入了注意力机制；为加强对更小尺度小目标的检测能力，增加了微小目标检测层。本发明基于公开数据集VisDrone进行研究，并且在TinyPerson v2数据集上也取得了良好的效果。本发明对于常见无人机视角中小目标的检测提供了一个良好的方法。

公开(公告)号：CN118114753A

公开(公告)日：2024-05-31

申请号：CN202410167967.2

申请日：2024-02-06

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 黄伟 ,  任伟 ,  颜红梅

IPC: G06N3/0985 ,  G06N3/084 ,  G06F40/30 ,  G06V20/70 ,  G06V10/40 ,  G06V10/82 ,  G06F18/25 ,  G06F18/27 ,  G06N3/0455 ,  G06N3/0499

Abstract: 本发明公开了一种视觉脑信号‑语言解码训练方法、解码方法及模型，基于大型数据集NSD，利用大模型的泛化能力，建立了一个视觉‑语言解码模型，提升了语言解码的效果。该模型包括：1）大脑活动编码模块：负责提取大脑活动特征，将大脑活动编码为带有图像特征和语义信息的大脑活动特征；2）解码空间映射模块：负责将大脑活动特征映射到GPT‑2的输入空间，使其特征空间与GPT‑2的输入空间具有相同的分布；3）语言解码模块：负责利用GPT‑2和多头交叉注意力机制，将大脑活动解码为文本描述。本发明解决了视觉‑语言解码中解码效果不理想的问题，极大提升了解码结果，促进了生成式脑机接口场景的实际应用。

公开(公告)号：CN116665145A

公开(公告)日：2023-08-29

申请号：CN202310605751.5

申请日：2023-05-25

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 石一 ,  颜红梅

IPC: G06V20/54 ,  G06V20/40 ,  G06V10/774 ,  G06V10/25 ,  G06V10/44 ,  G06N3/042 ,  G06V10/82

Abstract: 本发明提供了一种基于知识蒸馏的轻量化交通注视目标检测方法，应用于交通注视目标检测领域。针对当前聚焦交通注视目标检测的模型普遍存在参数较大，检测速度较慢以及基于全目标检测范式开发的轻量化的模型对交通注视目标检测的准确度存在不足的问题，本发明提供了一种基于知识蒸馏的轻量化交通注视目标检测方法，能够用教师模型提取到吸引驾驶员注意的显著区域特征和表征注视目标位置和类别的上下文信息来蒸馏学生模型提取到的对应的特征，从而在显著减少模型参数的同时，取得快的检测速度和高的检测准确度。本发明为交通注视目标检测的应用提供了一个有效的方法，为高级辅助驾驶系统提供了另一种策略。

公开(公告)号：CN116453078A

公开(公告)日：2023-07-18

申请号：CN202310268288.X

申请日：2023-03-14

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 石一 ,  颜红梅

IPC: G06V20/56 ,  G06V10/82 ,  G06V10/774 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明提供了一种基于显著性先验的交通注视目标检测方法，应用于交通注视目标检测领域。针对当前研究人员把视觉显著性和目标检测作为两个独立的任务来对待，而驾驶场景中，经验丰富的驾驶员会在选择性注意机制的引导下密切关注和驾驶任务相关的物体，忽略掉大量和驾驶任务不相关的信息，从而实现安全驾驶。本发明模拟驾驶员对交通场景的感知，聚焦检测吸引驾驶员注意的物体。为此，本发明建立一个可用于注视目标检测的数据集。然后，显著区域引导模块预测的显著区域用来引导目标检测模块更多地关注注视目标，从而提高模型的检测准确度。本发明为交通注视目标检测提供了一个有效的方法，为智能驾驶或高级辅助驾驶系统提供了另一种策略。

公开(公告)号：CN116453077A

公开(公告)日：2023-07-18

申请号：CN202310261644.5

申请日：2023-03-14

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 石一 ,  颜红梅

IPC: G06V20/56 ,  G06V10/96 ,  G06V10/25 ,  G06V10/75 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明提供了一种基于检测头与目标尺度匹配的交通目标检测方法，应用于交通目标检测领域。针对当前目标检测模型采用固定的检测头配置范式或根据个人经验进行大量的计算来配置检测头，这会消耗大量的时间和计算资源，且会出现因输入分辨率的改变造成检测头配置不合理的缺点，提出了一种新型的检测头配置方法。其中，为了提高不同输入分辨率下的交通目标的检测准确度，利用检测头与目标尺度匹配策略生成多个检测头。为了减少模型参数并保持高的检测准确度，利用跳尺度检测头配置准则生成两个检测头代替多个检测头。此外，空洞卷积模块被用来和模型backbone的浅层结合来进一步提高检测准确度。本发明对于交通目标检测提供了一个灵活有效的方法。