-
公开(公告)号：CN115546503A
公开(公告)日：2022-12-30
申请号：CN202211285533.X
申请日：2022-10-20
Applicant: 济南大学
IPC: G06V10/42 , G06V10/26 , G06V10/764 , G06V10/82 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本发明公开了基于深度注意力的自适应多尺度视觉特征表达方法及系统，包括：获取原始神经网络模型作为SDA网络模块的主干分支，用于分层特征的提取；设计SDA网络模块的轻量化深度注意力分支，用于动态加权分层特征；堆叠多个SDA网络模块构成神经网络，即为基于深度注意力的自适应多尺度视觉特征表达的神经网络方法；对自适应多尺度特征表达神经网络SDA‑Net进行参数优化，所得到的神经网络模型可用于图像分类、目标检测和语义分割等视觉任务的主干。
-
公开(公告)号：CN114967428B
公开(公告)日：2022-11-22
申请号：CN202210903023.8
申请日：2022-07-29
Applicant: 济南大学
IPC: G05B11/42
Abstract: 本发明公开了一种基于改进粒子群算法的无人救生圈最优鲁棒控制方法；其特征在于：在无人救生圈控制系统引入基于改进粒子群算法的PID控制器，通过改进粒子群算法对PID控制器的参数进行在线实时调整，PID控制器的三个参数kp、ki、kd由改进的粒子群算法优化后输出得到；所述改进粒子群算法引入“收敛再唤醒”机制，在粒子群收敛后重新唤醒一部分粒子离开收敛域再次进行局部搜索以得到更优解，提高了无人救生圈控制系统的稳定性。
-
公开(公告)号：CN114359742B
公开(公告)日：2022-09-16
申请号：CN202210274690.4
申请日：2022-03-21
Applicant: 济南大学
IPC: G06V20/10 , G06V10/40 , G06V10/75 , G06V10/774 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种优化小目标检测的加权损失函数计算方法，涉及图像识别目标检测领域。本发明在基于深度学习目标检测模型的基础上，针对小目标检测精度低的挑战，结合目标检测模型的输出预测框和真实框的匹配，对目标检测模型的预测框损失计算函数采用加权惩罚，提高目标检测模型对小目标的学习能力，提高目标检测的精度。相比增加模型参数和增强特征融合等方法，本发明在不提升模型参数量和不影响模型推理速度的条件下，提高图像识别中目标检测的精度，具备高效性。
-
公开(公告)号：CN114863371A
公开(公告)日：2022-08-05
申请号：CN202210807302.4
申请日：2022-07-11
Applicant: 济南大学
Abstract: 本发明公开了一种基于深度学习的食品粗加工违规检测方法，涉及图像识别和食品安全检测技术领域。本发明通过获取食品粗加工间图像，识别出粗加工间常用用具和容器，例如菜刀、厨刀、锯齿刀、去骨刀、去皮刀、箩筐、砧板、周转盆、不锈钢盆、垃圾桶、拖把等，通过训练好的神经网络模型进行目标检测，获取这些用具和容器的二维坐标，与标记区域进行位置判定，通过预设逻辑判定粗加工间工作人员在食品粗加工期间是否出现违规行为，与人工监督食品粗加工相比，本发明检测效率更高，实时性更好，信息化程度有很大提高。
-
公开(公告)号：CN114359742A
公开(公告)日：2022-04-15
申请号：CN202210274690.4
申请日：2022-03-21
Applicant: 济南大学
IPC: G06V20/10 , G06V10/40 , G06V10/75 , G06V10/774 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种优化小目标检测的加权损失函数计算方法，涉及图像识别目标检测领域。本发明在基于深度学习目标检测模型的基础上，针对小目标检测精度低的挑战，结合目标检测模型的输出预测框和真实框的匹配，对目标检测模型的预测框损失计算函数采用加权惩罚，提高目标检测模型对小目标的学习能力，提高目标检测的精度。相比增加模型参数和增强特征融合等方法，本发明在不提升模型参数量和不影响模型推理速度的条件下，提高图像识别中目标检测的精度，具备高效性。
-
Patent Agency Ranking
公开(公告)号：CN113125463A
公开(公告)日：2021-07-16
申请号：CN202110445934.6
申请日：2021-04-25
Applicant: 济南大学
Abstract: 本申请公开了一种用于汽车轮毂焊缝缺陷检测的示教方法及装置，包括：将汽车轮毂焊缝检测设备的检测端移动到第一预设位置并记录检测设备中电机的初始位置；从第一预设位置到最终检测焊缝结束，记录所述检测设备中电机参数信息，电机参数信息包括电机的位置信息和转速信息，位置信息和转速信息包括多组；根据第一预设位置和电机参数信息控制检测设备完成汽车轮毂焊缝检测的全轨迹完成示教。通过记录检测设备进行汽车轮毂焊缝检测时电机的参数信息，示教完成之后检测设备根据记录的参数信息可以实现完整的汽车轮毂焊缝检测轨迹，进而可以实现对汽车轮毂焊缝的快速检测。可快速识别汽车轮毂焊缝表面焊缝缺陷，提高了汽车轮毂生产线的智能程度。
-
公开(公告)号：CN112149805A
公开(公告)日：2020-12-29
申请号：CN202011016590.9
申请日：2020-09-24
Applicant: 济南大学
Abstract: 本发明公开了基于框架搜索的深度神经网络的加速与压缩方法及系统，包括：获取待压缩的原始神经网络模型，所述原始神经网络模型用于图像分类；对待压缩的原始神经网络模型进行权重的优化；对权重优化后的神经网络模型，保持权重固定不变，只进行框架参数优化；对框架参数优化后的神经网络模型进行裁剪，对裁剪后的神经网络模型进行微调，得到图像分类精度最高的神经网络模型，即为压缩后的神经网络模型。
-
公开(公告)号：CN118378070B
公开(公告)日：2024-10-18
申请号：CN202410813843.7
申请日：2024-06-24
Applicant: 济南大学
IPC: G06F18/213 , A61B5/374 , A61B5/00 , G06F18/25 , G06F18/26 , G06F18/214 , G06F18/241
Abstract: 本发明提出了一种用于癫痫信号处理的优化方法，涉及信号处理技术领域，具体步骤为：获取数据集并预处理；提出一种频域特征提取方法并构建频域特征处理模块FFHM，提取脑电信号的频域特征；构建浅层特征处理块SFHB；构建深层特征处理块DFHB；提出一种用双分支提取时间和空间特征的方法并构建时空特征处理模块，每个分支提取不同尺度的时空特征；构建混合自注意力模块MSAM，引入注意力机制，在自注意力的通道和空间信息之间取得适当的平衡，挖掘特征融合后的深层信息；构建癫痫脑电信号处理模型；训练癫痫脑电信号识别模型并实时处理，输出处理结果；通过提取不同的特征并处理癫痫信号，提高模型识别的准确率。
-
公开(公告)号：CN117993442B
公开(公告)日：2024-10-18
申请号：CN202410324239.8
申请日：2024-03-21
Applicant: 济南大学
IPC: G06N3/0464 , G06N3/0455 , G06V10/80 , G06V10/82
Abstract: 本发明提出了一种融合局部和全局信息的混合神经网络方法与系统，涉及计算机视觉领域。本发明设计局部大核卷积块(LLCB)和全局视觉Transformer块(GVTB)作为混合神经网络SUMMNet的主要构建块，LLCB引入大核卷积注意力(LKCA)来有效地捕获特征映射的局部特征；GVTB引入轻量级跨头自注意力(LCHSA)来增强注意力头部之间的交互，提取特征图的全局信息，并通过降低自注意K和V的维数来降低计算复杂度；LLCB和GVTB的协同使SUMMNet能够在不同的尺度上关注局部和全局信息，高效的进行图像处理。
-
公开(公告)号：CN118097321B
公开(公告)日：2024-09-27
申请号：CN202410524655.2
申请日：2024-04-29
Applicant: 济南大学
IPC: G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明提出了基于CNN和Transformer的车辆图像增强方法及系统，涉及计算机视觉领域。本发明提出一种特征调制Transformer模块，模块由L个交叉精炼融合块组成，每个交叉精炼融合块由高频增强残差块、矩形窗口注意力块、混合融合块组成。其中，高频增强残差块用于从输入特征中提取高频特征，矩形窗口注意力块用于捕捉输入特征的长距离依赖关系，然后通过混合融合块整合高频增强残差块和矩形窗口注意力块的输出。最后交叉提炼全局特征以获得最佳效果。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.031 seconds)
