-
公开(公告)号：CN118038085A
公开(公告)日：2024-05-14
申请号：CN202410417807.9
申请日：2024-04-09
Applicant: 无锡学院
IPC: G06V10/46 , G06N3/045 , G06N3/088 , G06N3/0895 , G06V10/764 , G06V10/778 , G06V10/80 , G06V10/82
Abstract: 一种基于孪生网络的点云关键点检测方法及装置，涉及点云关键点检测领域。解决了现有技术输入的点云是单视角或存在缺陷时，其无法有效输出缺失位置的关键点的问题。所述方法包括将两个同一个物体的不同的单视觉点云数据输入孪生网络模型中，通过无监督学习训练得到两组有点云位置的受约束的关键点；将两组所述受约束的关键点拼接，合成完整的所述物体的关键点；通过孪生网络模型中的两个网络拟合，得到完整的不被约束的关键点；将检测关键点的任务分配给对应的关键点类别，得到训练好的孪生网络模型；输出一组受约束的关键点和一组不受约束的关键点，完成点云关键点的检测。还适用于缺失位置的关键点检测中。
-
公开(公告)号：CN116958175B
公开(公告)日：2023-12-26
申请号：CN202311218213.7
申请日：2023-09-21
Applicant: 无锡学院
IPC: G06T7/11 , G06N3/0464 , G06N3/048 , G06N3/08 , G06V10/26 , G06V10/764 , G06V10/82
Abstract: 一种血液细胞分割网络的构建方法及血液细胞分割方法。属于图像识别技术领域，具体涉及血液细胞图像的识别技术领域。其解决了以往深度学习的方式中，对于血液细胞显微图像中白细胞，白细胞核及红细胞三类同时分割研究较少的问题。所述血液细胞分割网络包括卷积层、空洞残差层、池化层和上采样层，血液细胞图像输入后，依次经过卷积层、空洞残差层、池化层和上采样层后输出，所述空洞残差层与上采样层跳跃连接。本发明所述网络及方法可以应用在血液细胞研究技术领域以及血液细胞分割技术领域。
-
公开(公告)号：CN116128932B
公开(公告)日：2023-07-25
申请号：CN202310411457.0
申请日：2023-04-18
Applicant: 无锡学院
IPC: G06T7/246 , G06N3/0464 , G06N3/08 , G06V10/44 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种多目标跟踪方法，获取待检测视频，对待检测视频进行目标检测；针对每个待处理的跟踪目标图像，将图像对和所述图像对中每个跟踪目标图像的所述目标检测框输入至特征提取网络进行特征信息提取；跟踪目标被遮挡时，若视频前一帧目标检测框的消失帧数小于或等于设定的帧数阈值，则认为跟踪目标出现短期遮挡，则对跟踪目标使用最小二乘法进行运动轨迹的预测；若视频前一帧目标检测框的消失帧数大于设定的帧数阈值，则认为跟踪目标出现长期遮挡，则对跟踪目标使用卡尔曼滤波器进行运动轨迹的预测；目标遮挡结束后使用关联策略进行目标身份关联，实现跟踪目标的继续跟踪。通过本发明方法，有效减少了跟踪过程中的跟踪目标身份切换次数。
-
公开(公告)号：CN119360003A
公开(公告)日：2025-01-24
申请号：CN202411906781.0
申请日：2024-12-24
Applicant: 无锡学院
Abstract: 基于跨柱体特征聚合的三维点云目标检测方法和系统，属于目标检测技术领域，解决点云目标检测无法同时兼顾检测精度和检测速度问题。本发明的方法包括：柱体特征编码模块，用于将点云数据划分为柱体，并对柱体中包含的特征信息进行编码和跨柱体特征聚和处理，随后将点云数据转换为伪图像，以便输入至骨干网络进行进一步的特征提取；在骨干网络中，通过多个设计优化的残差块和上采样块提取空间特征，生成更高维度的特征图；利用检测器生成目标类别、边界框以及目标方向的预测结果。在模型的柱体特征编码模块中，点云数据被划分为一系列柱体。对柱体进行编码，将不规则的点云数据转换为规则的网格结构。本发明适用于自动驾驶场景的三维目标检测。
-
公开(公告)号：CN118230296B
公开(公告)日：2024-11-05
申请号：CN202410324420.9
申请日：2024-03-21
Applicant: 无锡学院
IPC: G06V20/59 , B60W40/08 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种轻量化的疲劳驾驶检测跟踪方法，获取待识别的驾驶员图像；将待识别的驾驶员图像输入预先构建的YOLOv5s网络模型，获得人脸特征目标框；利用Deepsort算法对人脸特征目标框进行连续目标跟踪优化，获得标签信息；基于标签信息、驾驶员的连续闭眼帧数、驾驶员的连续打哈欠帧数和计算获得的PERCLOS分数，判定获得包括疲劳驾驶状态和正常驾驶状态的驾驶员驾驶状态。本模型能够降低检测过程中驾驶员面部信息丢失发生的概率问题，并且在保持高精度的同时显著降低了模型大小。
-
Patent Agency Ranking
公开(公告)号：CN118608802A
公开(公告)日：2024-09-06
申请号：CN202410956189.5
申请日：2024-07-17
Applicant: 无锡学院
IPC: G06V10/46 , G06N3/045 , G06N3/0895 , G06V10/762 , G06V10/764 , G06V10/82
Abstract: 本发明属于点云检测技术领域，具体涉及一种基于超类的点云关键点检测方法及其检测系统。步骤1：生成超类别点云的特征；步骤2：构建孪生网络模型，对其中的点云关键点检测采用MHSCPD算法；步骤3：对步骤2构建的孪生网络模型进行训练，实现点云关键点检测；所述步骤2具体为，在特征空间中利用MHSC的超类别的多头分类机制根据现有的点云在特征空间中的分布情况，自适应的选择虚拟超类锚点进行聚类，根据同类之间的私有特征调整同类特征差异较大的样本之间的距离。本发明可以大幅提升点云关键点检测方法的精度，同时具有更优秀的鲁棒性。
-
公开(公告)号：CN118279718B
公开(公告)日：2024-08-27
申请号：CN202410674661.6
申请日：2024-05-29
Applicant: 无锡学院
IPC: G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06N3/06 , G06N3/082 , G06V10/80
Abstract: 一种基于深度可分离卷积的轻量化害虫目标检测方法。属于图像处理及图像识别技术领域，具体涉及轻量化害虫目标检测技术领域。优化了YOLOv8网络结构，设计了LP_U模块和LP_D模块，并应用于YOLOv8结构中，形成LP‑YOLO(l)框架。通过剪枝和微调策略，得到精简的LP‑YOLO(s)模型，剪枝过程中减少了输出通道数和参数量，同时保留关键权重，并进一步通过参数训练得到最终的检测模型，这些策略提高了网络效率和紧凑性。解决了以往的害虫检测因复杂的参数和计算需求在资源受限的移动终端设备上部署困难的的问题。
-
公开(公告)号：CN118279718A
公开(公告)日：2024-07-02
申请号：CN202410674661.6
申请日：2024-05-29
Applicant: 无锡学院
IPC: G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06N3/06 , G06N3/082 , G06V10/80
Abstract: 一种基于深度可分离卷积的轻量化害虫目标检测方法。属于图像处理及图像识别技术领域，具体涉及轻量化害虫目标检测技术领域。优化了YOLOv8网络结构，设计了LP_U模块和LP_D模块，并应用于YOLOv8结构中，形成LP‑YOLO(l)框架。通过剪枝和微调策略，得到精简的LP‑YOLO(s)模型，剪枝过程中减少了输出通道数和参数量，同时保留关键权重，并进一步通过参数训练得到最终的检测模型，这些策略提高了网络效率和紧凑性。解决了以往的害虫检测因复杂的参数和计算需求在资源受限的移动终端设备上部署困难的的问题。
-
公开(公告)号：CN118279674A
公开(公告)日：2024-07-02
申请号：CN202410685419.9
申请日：2024-05-30
Applicant: 无锡学院
IPC: G06V10/764 , G06N3/0455 , G06N3/0464 , G06V10/26 , G06V10/40 , G06V10/80 , G06V10/82
Abstract: 本发明属于点云数据处理技术领域，本发明公开了基于切片式层级点云网络的目标分类、分割及检测方法，方法包括：将所述点云数据集输入已训练完成的SAPT多任务模型中，输出包含三种下游任务结果的综合处理结果；本发明采用point transformer网络结合锚点共享技术，在切片式的特征提取后利用自然语言处理技术NLP或图像处理IMAGE技术，提取到更加细节的全局特征，削弱关键点的权重，直接利用当前提取到的特征实现目标检测性能。
-
公开(公告)号：CN116403056B
公开(公告)日：2023-10-20
申请号：CN202310665276.0
申请日：2023-06-07
Applicant: 无锡学院
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V20/68 , G06N3/0464 , G06N3/048
Abstract: 一种人参分级系统及方法，属于分类识别技术领域，具体涉及人参分类识别技术领域。其解决了人参分类效率和准确率低的问题。所述系统包括：输入模块，依次包括二维卷积层和批量归一化层；主干模块，依次包含4层改进的ConvNeXt网络，分别命名为第一改进ConvNeXt网络、第二改进ConvNeXt网络、第三改进ConvNeXt网络和第四改进ConvNeXt网络；输出模块，依次包括平均池化层、批量归一化层和全连接层。本发明所述系统及方法可以应用在人参分级分类领域。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.026 seconds)
