公开(公告)号：CN117919677A

公开(公告)日：2024-04-26

申请号：CN202311733399.X

申请日：2023-12-15

Applicant: 上海交通大学

Inventor： 王坤 ,  林思伶 ,  黄涛 ,  陈诚 ,  柳文希 ,  陈海宝

IPC: A63B69/00 ,  A63B71/06

Abstract: 本发明公开了一种射箭训练与比赛模拟系统，其包括：箭靶识别模块、生理特征检测模块、环境探测模块以及比赛模拟模块；其中：箭靶识别模块采用基于卷积神经网络的箭靶自动识别方法识别箭靶上箭矢的坐标；生理特征检测模块用于实时获取用户生理特征；环境探测模块用于实时获取环境信息；比赛模拟模块，用于和使用者交互，以安排使用者进行模拟比赛；模拟比赛过程中，通过箭靶识别模块检测使用者的命中成绩，通过生理特征检测模块检测使用者的生理特征，并通过环境探测模块探测赛场的环境信息。该系统可进行实时生理体征检测、环境信息监测、比赛流程自动化调度，解决了现有技术存在的问题。

公开(公告)号：CN108596101B

公开(公告)日：2021-07-27

申请号：CN201810380509.1

申请日：2018-04-25

Applicant: 上海交通大学

Inventor： 贺光辉 ,  吴佳祥 ,  陈海宝 ,  何卫锋

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于卷积神经网络的遥感图像多目标检测方法，该方法利用卷积神经网络为核心，建立一种端到端的检测框架，先利用选框产生网络产生物体的选框，再通过检测子网络确定最终的目标分类及位置，为了提升多种尺度目标的检测准确率，提出了以双层选框产生网络和融合特征为核心的尺度自适应目标检测方法。该方法在公开遥感数据集中完成了训练和测试，识别精度较高，能够高效地检测遥感图像中的多种目标。

公开(公告)号：CN117576614A

公开(公告)日：2024-02-20

申请号：CN202311727114.1

申请日：2023-12-15

Applicant: 上海交通大学

Inventor： 王坤 ,  林思伶 ,  黄涛 ,  陈诚 ,  柳文希 ,  陈海宝

IPC: G06V20/40 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/764

Abstract: 本发明公开了一种基于卷积神经网络的箭靶自动识别方法及系统，该方法包括：S1、获取箭靶的RGB视频图像，将各帧进行仿射变换以及图像截取，从而得到RGB视频帧图像序列；S2、对RGB视频帧图像序列通过比较相邻帧变化获取关键帧信息；S3、对S2中所得的关键帧进行目标检测，得到初检的视频帧箭矢坐标位置及角度信息；S4、采用作差的方法，提取S2中的关键帧与前一帧非关键帧的差异，获得目标图片，并对目标图片进行处理，获得带有箭矢信息的二值图像；S5、结合S3获得的箭矢坐标位置及角度信息及S4获得的带有箭矢信息的二值图像，确定箭矢目标的关键点位置。本方法可准确识别箭靶上的箭，可运行于低功耗，低空间占用的移动端平台。

公开(公告)号：CN115205753A

公开(公告)日：2022-10-18

申请号：CN202210866689.0

申请日：2022-07-22

Applicant: 上海交通大学

Inventor： 魏浩 ,  甄沛宁 ,  陈海宝

IPC: G06V20/40 ,  G06V10/40 ,  G06V10/62 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于计算机视觉的轻量化视频动作理解方法及系统，包括：根据原始RGB图像得到RGB视频帧图像序列；将RGB视频帧图像序列应用于深度光流提取网络提取相邻视频帧之间的光流场；通过深度神经网络提取RGB视频帧图像中的高维空间特征信息以及光流场之间的高维时间序列特征信息；进行特征融合得到混合后的信息融合特征；将混合后的信息融合特征应用于长短时间记忆网络，训练得到用于视频动作理解的时空网络模型；将时空网络模型进行张量化的精简压缩，得到可实时运行的视频分析模型。本发明可运行于低功耗，低空间占用的移动端平台，可有效的节省电力、空间体积等资源消耗；可有效保证视频理解系统的鲁棒性与普适性。

公开(公告)号：CN108596101A

公开(公告)日：2018-09-28

申请号：CN201810380509.1

申请日：2018-04-25

Applicant: 上海交通大学

Inventor： 贺光辉 ,  吴佳祥 ,  陈海宝 ,  何卫锋

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于卷积神经网络的遥感图像多目标检测方法，该方法利用卷积神经网络为核心，建立一种端到端的检测框架，先利用选框产生网络产生物体的选框，再通过检测子网络确定最终的目标分类及位置，为了提升多种尺度目标的检测准确率，提出了以双层选框产生网络和融合特征为核心的尺度自适应目标检测方法。该方法在公开遥感数据集中完成了训练和测试，识别精度较高，能够高效地检测遥感图像中的多种目标。

公开(公告)号：CN114757347A

公开(公告)日：2022-07-15

申请号：CN202210427782.1

申请日：2022-04-22

Applicant: 上海交通大学 ,  芩交科(上海)企业管理有限公司

Inventor： 魏浩 ,  高子扬 ,  陈海宝

IPC: G06N3/063 ,  G06N3/04 ,  G06N3/08 ,  G06F15/78

Abstract: 本发明提供了一种低比特量化神经网络加速器实现方法和系统，包括：对目标检测网络进行训练，通过反向传播对权重进行更新，得到全精度权重模型；初始化量化区间，采用低比特进行训练；将神经网络的BN层与CNN层进行融合，得到低比特的权重参数以及量化因子；采用双缓冲、窗口缓存的方式提高系统带宽，采用循环展开的方式对计算单元进行并行；将加速器结构综合成IP核，并在Vivado中与其他相关模块互联，生成能够部署的比特流文件；将测试图像输入到神经网络加速器中，得到测试输出并与真值进行比对，得到包括检测准确率和加速器峰值吞吐的指标。本发明可以高效的将神经网络算法部署到FPGA上，获得更高的吞吐。