-
公开(公告)号：CN118967690B
公开(公告)日：2025-01-24
申请号：CN202411449342.1
申请日：2024-10-17
Applicant: 无锡学院
IPC: G06T7/00 , G06N3/0455 , G06N3/084 , G06N3/0895 , G06N3/0985 , G06T5/70 , G06T7/13 , G06V10/74 , G01N21/88
Abstract: 本发明公开了一种基于深度对比学习的缺陷检测方法，涉及计算机视觉技术领域，包括，获取工业工件的原始图像数据，并进行归一化、去噪、裁剪及尺寸调整，形成标准化图像数据；将标准化图像数据输入到基于Transformer的深度对比学习模型中，输出工件图像的全局特征向量；将优化后的正负样本对输入到元学习单元中，通过元学习机制对深度对比学习模型进行快速适应训练；将经过训练的对比学习模型应用于实时缺陷检测中，对新输入的工件图像进行缺陷判断，输出工件的缺陷检测结果。本发明提升了缺陷检测的准确性，同时大幅降低了训练时间和数据需求，显著改善了现有技术在小样本环境中的局限性。
-
公开(公告)号：CN119152200A
公开(公告)日：2024-12-17
申请号：CN202411649311.0
申请日：2024-11-19
Applicant: 无锡学院
IPC: G06V10/25 , G06N3/0464 , G06N3/082 , G06V10/82 , G06V20/56
Abstract: 一种基于YOLOv8改进的自动驾驶目标检测方法。涉及自动驾驶领域，具体涉及基于YOLOv8改进的自动驾驶目标检测技术领域。其解决了多目标检测，提升模型在复杂背景下对密集小目标的检测精度，有效减少误检和漏检的问题。所述方法包括如下步骤：S1、数据集的建立与划分，并进行预处理；S2、构建基础的YOLOv8s模型；S3、优化YOLOv8s模型，具体为：S31、将YOLOv8s模型的主干部分中SPPF模块替换为改进的SPPF模块；S32、在YOLOv8s模型的头部部分添加一个小目标检测层；S33、在YOLOv8s模型的主干部分和颈部部分之间添加4个改进后的ACCoM模块；S4、采用预处理后的数据集对优化后的YOLOv8s模型进行迭代训练；S5、采用训练完成的YOLOv8s模型检测目标。
-
公开(公告)号：CN119131738A
公开(公告)日：2024-12-13
申请号：CN202411623141.9
申请日：2024-11-14
Applicant: 无锡学院
Abstract: 本发明提出了一种智能网联汽车视觉环境感知方法及系统，通过汽车视觉传感器获取周围图像数据，经过预处理、图像分割、特征识别和神经网络分析，最终输出详细的环境信息。具体步骤包括：首先对图像数据进行滤波处理，得到清晰的第一图像；然后通过种子像素扩张法对第一图像进行分割，形成第二图像集合；接着对每个图像进行特征识别，标记特征属性；最后将图像传输至神经网络中进行分析，整合结果后输出环境信息。该方法采用卷积神经网络和循环神经网络，分别处理单帧图像和多帧图像，提高了环境感知的准确性和实时性。
-
公开(公告)号：CN118886801A
公开(公告)日：2024-11-01
申请号：CN202411382722.8
申请日：2024-09-30
Applicant: 无锡学院
IPC: G06Q10/067 , G06N3/0464 , G06N3/08 , G06Q10/04 , G06Q10/0637 , G06Q50/26 , G08G1/01
Abstract: 本发明公开一种交通流预测模型的构建方法及交通流预测方法，包括如下步骤：S100、以图结构来描述网络中实体之间的关系，同时构建节点之间的特征矩阵；S200、根据图结构和特征矩阵，采用结合时空注意力机制的卷积神经网络框架，构建交通流预测模型。本发明建立一个由图网络生成层、图卷积模块和多尺度时间卷积模块三个核心组件构成的框架，由自适应动态图生成器和异构邻接关系注意力机制来生成动态邻接矩阵，并对多类邻接矩阵聚合，进而更好地利用交通节点中的交通特性，以及捕捉提取交通特征里隐含的空间特征，克服了传统方法的局限性，有效地解决了传统交通流量预测方法在智能交通系统中预测准确度度、无法反映交通网络影响等问题。
-
公开(公告)号：CN118343160A
公开(公告)日：2024-07-16
申请号：CN202410560931.0
申请日：2024-05-08
Applicant: 无锡学院
Abstract: 本发明公开了一种无人驾驶道路感知系统，涉及智能网联汽车技术领域，其技术方案是：包括无人驾驶感知模块，无人驾驶感知模块连接端分别设有机器视觉感知系统模块和激光雷达感知模块，机器视觉感知系统模块连接端设有机器视觉算法模块，发明有益效果是：通过机器视觉传感器与激光雷达传感器的数据融合，融合双方在感知层面的优势，并通过信息融合，协同感知汽车行驶场景的状况测出与前车或者障碍物的距离，利用数据分析模块将测出的距离与警报距离和安全距离进行比较，小于警报距离时就进行警报提示，而小于安全距离时，即使在驾驶员没有来得及踩制动踏板的情况下，AEB系统也会启动，使汽车自动制动，从而为安全出行保驾护航。
-
Patent Agency Ranking
公开(公告)号：CN116564092B
公开(公告)日：2024-05-28
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：CN117745507A
公开(公告)日：2024-03-22
申请号：CN202311661006.9
申请日：2023-12-06
Applicant: 无锡学院
IPC: G06T1/00
Abstract: 本发明公开了一种基于棋谱构造的生成式隐写方法及系统，方法包括将待隐藏的文本秘密信息转换为秘密二进制序列；真人玩家落下第一种类棋子，机器玩家根据第一种类棋子的落子位置生成若干个候选落子位置，按照预设的得分规则对候选落子位置计算得分；筛选出超过候选得分线#imgabs0#的候选落子位置，对超过候选得分线#imgabs1#的候选落子位置按照第一排序规则进行排序；取秘密二进制序列的前#imgabs2#位放入编码集合#imgabs3#中查找，匹配出编码集合#imgabs4#中和秘密二进制序列的前#imgabs5#位相同的二进制数编码；得到棋谱载密图像。本发明所提出的隐写方法具有更高的隐藏容量和安全性。
-
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：CN116958175A
公开(公告)日：2023-10-27
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。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.025 seconds)
