-
公开(公告)号：CN117115131A
公开(公告)日：2023-11-24
申请号：CN202311172502.8
申请日：2023-09-12
Applicant: 无锡学院
IPC: G06T7/00 , G06T5/00 , G06T7/194 , G06T7/136 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种道路裂缝检测方法、系统及车辆，所述方法包括：对获取到的道路裂缝图像进行状态分类；将道路裂缝图像的像素分为前景类像素和背景类像素；将前景类像素和背景类像素进行二值化；对二值化后的道路裂缝图像进行高斯双边滤波、最小值滤波，得到滤波后的道路裂缝图像；构建HDU‑Net模型，对滤波后的道路裂缝图像进行道路裂缝特征提取、采用中轴变换算法提取裂缝骨架，得到道路裂缝检测结果。通过本发明方法，实现对道路裂缝做出快速有效的检测。
-
公开(公告)号：CN116962591A
公开(公告)日：2023-10-27
申请号：CN202310685128.5
申请日：2023-06-09
Applicant: 无锡学院
Abstract: 本发明公开了基于连续博弈行为空间相对位置的构造式隐写方法及系统，包括以下步骤：S1、信息隐藏：通信双方事先共同构造转换规则集合，博弈行为开局落子不同位置对应转换规则集合中不同转换规则，发送方根据转换规则将需传输的秘密信息嵌入到落子行为信息中，构建出含密图像，完成对秘密信息的隐藏；S2、信息提取：接收方根据开局落子位置判断对应的转换规则，根据转换规则从含密图像中的游戏行为获取秘密信息。本发明根据博弈游戏行为进行构造，提高了信息的隐藏性，有效抵抗计算机隐写分析，提高了通信安全性；由于博弈行为的多样性，提高了隐写的隐藏容量；基于相对位置进行信息隐藏，可以有效防止因为在本地储存或者远程访问隐写模型而暴露。
-
公开(公告)号：CN116564092A
公开(公告)日：2023-08-08
申请号：CN202310560946.2
申请日：2023-05-18
Applicant: 无锡学院
Abstract: 本发明公开了一种道路安全预警系统、方法、电子设备及介质，所述系统包括LSB基站定位模块：进行车辆位置的定位计算；地图匹配模块：通过车辆位置匹配到车辆附近的地图，通过匹配到车辆附近的地图获得车辆附近道路，基于车辆附近道路利用投影法获得车辆行驶道路；车辆行驶不良数据分析模块：通过方向、加速度、速度信息获得车辆行驶不良数据；小区广播模块：将车辆行驶不良数据通过短信形式发送到LSB基站所属范围内的车辆驾驶员的手机中，实现道路安全预警。本发明采用LBS基站定位技术通过车辆附近的基站获取车辆的精确位置，通过小区广播技术将车辆行驶不良数据通过短信形式发送到LSB基站所属范围内的车辆驾驶员的手机中，实现道路安全预警。
-
公开(公告)号：CN120032345A
公开(公告)日：2025-05-23
申请号：CN202510498826.3
申请日：2025-04-21
Applicant: 无锡学院
IPC: G06V20/58 , G06N3/0455 , G06N3/0464 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82
Abstract: 本发明涉及计算机视觉、目标检测领域，具体为一种用于辅助驾驶的实时人车检测方法，包括：实时获取基于驾驶员视觉区域的驾驶场景图像，并进行预处理；构建包括主干网络、高效混合编码器和解码器的RT‑DETR模型，并进行改进，基于改进后的模型得到实时人车检测目标检测模型，则将所述目标检测模型输入训练集数据，并从模型输出端获取图片中检测目标的位置与类型，将其与标注的内容进行对比，训练实时人车检测目标检测模型；获取待识别图片，并将待识别图片输入至训练后的检测模型中，得到待识别图片中的目标种类以及位置信息。
-
公开(公告)号：CN115663592B
公开(公告)日：2025-04-25
申请号：CN202211369341.7
申请日：2022-10-28
Applicant: 无锡学院
IPC: H01S5/12 , H01S5/20 , C23C16/40 , C23C16/56 , C30B25/16 , C30B29/30 , C30B29/40 , C30B29/42 , C30B31/22 , C30B33/02 , H01S5/32 , H01S5/34 , H01S5/343
Abstract: 本发明公开了一种激光泵浦铌酸锂光波导多波长混合集成光子器件，包括DFB激光器阵列、绝缘体上铌酸锂光波导阵列和砷化镓衬底，DFB激光器阵列、绝缘体上铌酸锂光波导阵列分别置于砷化镓衬底上，利用晶圆键合技术将DFB激光器键合到砷化镓衬底上，确保DFB激光器的输出光高度与铌酸锂光波导匹配；每个铌酸锂光波导都有一个DFB激光器进行泵浦。本发明通过晶圆键合和离子注入技术实现在砷化镓衬底上集成多个DFB激光器和多个铌酸锂光波导，该光子器件通过稀土离子的能级跃迁输出不同波段的激光，实现多种波长的混合输出和多模动态的防伪效果。同时，该光子器件结构紧凑，集成度高，能够实现高效的光子器件集成。
-
Patent Agency Ranking
公开(公告)号：CN115588899B
公开(公告)日：2025-04-25
申请号：CN202211336257.5
申请日：2022-10-28
Applicant: 无锡学院
Abstract: 本发明属于光子集成与光波导技术领域，具体涉及一种激光泵浦铌酸锂波导光子集成器件及其制备与应用。本发明制备得到的光子集成器件中的边发射激光器泵浦LNOI光波导激光器中的铌酸锂波导能自发振荡激光输出，在铌酸锂波导两端刻蚀光栅形成谐振腔，能诱导光学波导内的稀土离子实现能级跃迁，输出对应波长的激光，从而达到耦合效率高的优点，且制备工艺简单，适合大规模生产。
-
公开(公告)号：CN119360325B
公开(公告)日：2025-04-18
申请号：CN202411896708.X
申请日：2024-12-23
Applicant: 无锡学院
IPC: G06V20/54 , G06V10/82 , G06V10/40 , G06V10/80 , G06V20/17 , G06V20/40 , G06V10/62 , G06N3/082 , G06N3/0464
Abstract: 基于YOLO‑Light对交通图像目标检测方法，属于图像识别技术领域，解决了现有技术对于无人机视角下的尺寸小、场景复杂且遮挡频繁的目标，容易出现漏检和误检，从而影响检测精度和目标跟踪的稳定性的问题。在YOLO‑Light的骨干，交通图像经过特征提取后，经过改进快速空间池化层再次进行特征提取，输出交通特征图；调整YOLO‑Light的骨干的最后三层通道数；在YOLO‑Light的颈部，交通特征图经过多联级的上采样、连接层和特征分解，再进行多尺度特征融合，输出多尺度的交通特征图；在YOLO‑Light的头部，多尺度的交通特征图依次输入空间注意力机制和检测头对交通目标进行检测。
-
公开(公告)号：CN119313717B
公开(公告)日：2025-04-18
申请号：CN202411858244.3
申请日：2024-12-17
Applicant: 无锡学院
IPC: G06T7/50 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开一种车载摄像头能见度反演方法、装置、介质及电子设备，其中，车载摄像头能见度反演方法，包括：获取车载摄像头拍摄的图像帧数据集，并进行预处理，构建能见度反演数据集；构建能见度反演模型，该能见度反演模型以能见度真值为输出，经训练优化网络权重获得；将车载摄像头实时拍摄的照片，输入到优化后的能见度反演模型，获得当前能见度真值。本发明可以较为准确地估算出相应的能见度，实现高精度的能见度实时反演。
-
公开(公告)号：CN119728100A
公开(公告)日：2025-03-28
申请号：CN202411821117.6
申请日：2024-12-11
Applicant: 无锡学院
Abstract: 本发明公开了一种基于吃豆人游戏豆子位置的构造式隐写方法及系统，包括以下步骤：根据预设的吃豆人游戏网格，选择ASCII预设数量字符进行秘密信息构造，构建自动编码器，将随机生成的二进制数据作为原数据输入，对自动编码器进行预设次数的训练，并更新模型参数，将构造的秘密信息转换为二进制格式，再转换为张量，将转换成张量的秘密信息输入训练好的自动编码器中，将数据压缩成一个隐藏层，读取传入的吃豆人游戏图像，分析每个事件段豆子出现的位置，将其转换为张量并使用自动编码器模型对其进行解码，得到输出结果为原始的二进制数据，获取加密信息。本申请与传统技术相比，将信息藏入图中之前增加了将信息编码的处理，增加了隐写的隐蔽性和安全性。
-
公开(公告)号：CN118762396B
公开(公告)日：2025-03-25
申请号：CN202410802734.5
申请日：2024-06-20
Applicant: 无锡学院
IPC: G06V40/20 , G06V20/52 , G06V10/82 , G06V10/52 , G06V10/80 , G06V10/25 , G06V10/764 , G06V10/766 , G06N3/0464 , G06N3/0499 , G06N3/084 , G06Q50/20
Abstract: 本发明公开了一种基于改进YOLOv8模型的学生课堂行为检测方法，属于行为检测与识别领域，方法包括：构建改进型YOLOv8模型，对YOLOv8模型进行优化，得到改进的YOLOv8模型：在YOLOv8模型的Backbone网络中引入动态组卷积混洗模块替换原YOLOv8模型Backbone网络中的第四个C2f模块；在YOLOv8模型的Neck网络中构建自适应极化特征融合模块替换原YOLOv8模型Neck网络中的C2f模块；创建任务动态对齐检测头模块，替换原YOLOv8模型的检测层，提升了学生课堂行为检测的精度、效率。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.028 seconds)
