-
公开(公告)号：CN116311161B
公开(公告)日：2024-09-17
申请号：CN202310214913.2
申请日：2023-03-08
Applicant: 中国矿业大学
Abstract: 本发明提供一种联合多任务模型的路面抛洒物检测方法，包括：步骤一：获取路面视频数据；步骤二：将视频帧输入多任务联合模型中得到路面掩码信息、干扰物掩码信息和位置信息；步骤三：对路面掩码信息进行解码，得到第一图像，对视频帧进行灰度处理，得到第二图像；步骤四：根据第一、第二图像提取抛洒物疑似区域；步骤五：从抛洒物疑似区域的连通域中确定最终抛洒物区域。本发明能够从复杂状态的路面上更加准确地提取路面抛洒物，将目标检测任务和语义分割任务联合训练为多任务联合模型，减小检测模型的体积和复杂度，更加合理地利用路面上各种干扰物类别的特征，优化后处理流程，最终准确识别抛洒物，不限抛洒物类别、形状、样式和尺寸等特征。
-
公开(公告)号：CN115439835B
公开(公告)日：2024-07-23
申请号：CN202211258003.6
申请日：2022-10-13
Applicant: 中国矿业大学
Abstract: 本发明公开了一种改进YOLO‑PAI的实时接打电话行为检测方法，步骤如下：从视频监控平台截取照片制作数据集，添加手和手机两个标签类别，手的标注辅助判断人是否存在接打电话行为；搭建新型卷积神经网络，对于主干网络CSPDarknet53进行剪枝，在保证精度的同时减少参数量。利用使用k‑means聚类算法获得的9个锚点解决小型目标检测问题，更好的检测手机特征信息。增加第四个尺度的特征映射分支，扩大检测范围；部署嵌入式设备，使用TensorRT深度学习推理框架。通过提出的SRblock_body结构，提取图像特征，构建更深层次网络改善网络结构，提高分类和检测效果，在保证检测精度的同时减少模型大小和参数量，更好的移植到嵌入式设备中。
-
公开(公告)号：CN116311161A
公开(公告)日：2023-06-23
申请号：CN202310214913.2
申请日：2023-03-08
Applicant: 中国矿业大学
Abstract: 本发明提供一种联合多任务模型的路面抛洒物检测方法，包括：步骤一：获取路面视频数据；步骤二：将视频帧输入多任务联合模型中得到路面掩码信息、干扰物掩码信息和位置信息；步骤三：对路面掩码信息进行解码，得到第一图像，对视频帧进行灰度处理，得到第二图像；步骤四：根据第一、第二图像提取抛洒物疑似区域；步骤五：从抛洒物疑似区域的连通域中确定最终抛洒物区域。本发明能够从复杂状态的路面上更加准确地提取路面抛洒物，将目标检测任务和语义分割任务联合训练为多任务联合模型，减小检测模型的体积和复杂度，更加合理地利用路面上各种干扰物类别的特征，优化后处理流程，最终准确识别抛洒物，不限抛洒物类别、形状、样式和尺寸等特征。
-
Patent Agency Ranking
公开(公告)号：CN115512324B
公开(公告)日：2024-07-12
申请号：CN202211253152.3
申请日：2022-10-13
Applicant: 中国矿业大学
IPC: G06V20/56 , G06V10/82 , G06V20/70 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于边缘对称填充和大感受野的路面病害检测方法，包括：数据集准备，结合道路环境重新标注公共数据集，并添加灌缝和井盖两个辅助类别；神经网络搭建，用大核深度可分离卷积配合重参数化搭建具有更大有效感受野和更多形状偏置的骨干网络RepLKDarkNet，用空间可分离深度卷积以及改进的对称填充策略搭建对位置信息保留更多的加强特征提取网络XSepPAFPN，用目标跟踪模块优化重识别问题；嵌入式部署，将模型转化为TensorRT模型。本发明基于大感受野特征以及应用边缘对称填充策略的空间可分离深度卷积，在提高特征图的有效感受野的同时减少大卷积核计算量和参数量，并在一定程度弥补特征提取时的信息丢失，解决路面病害样式和形状提取不准确影响检测精度的问题。
-
公开(公告)号：CN115578719B
公开(公告)日：2024-05-17
申请号：CN202211253174.X
申请日：2022-10-13
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于YM_SSH的轻量级目标检测的疲劳状态检测方法，具体包括以下步骤：数据集准备，结合国内疲劳检测公共数据建立疲劳状态检测数据集；神经网络搭建，使用MobileViT代换YOLOv3的主干网络Darknet53，使用小尺寸卷积核代替大尺寸卷积核，搭建具有更大有效感受野的轻量级网络YM_SSH，使用改进的SSH网络增大模型感受野；减半网络通道数，将网络模型轻量化；嵌入式部署，将模型转化为TensorRT模型，提高模型在移动终端的推理速度。本发明基于轻量级目标检测网络以及可分离深度卷积，在扩大特征感受野的同时减少卷积核计算量和参数量，并且检测速度和精度与原网络模型几乎持平，解决了实时疲劳检测精确度低的问题。
-
公开(公告)号：CN115578719A
公开(公告)日：2023-01-06
申请号：CN202211253174.X
申请日：2022-10-13
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于YM_SSH的轻量级目标检测的疲劳状态检测方法，具体包括以下步骤：数据集准备，结合国内疲劳检测公共数据建立疲劳状态检测数据集；神经网络搭建，使用MobileViT代换YOLOv3的主干网络Darknet53，使用小尺寸卷积核代替大尺寸卷积核，搭建具有更大有效感受野的轻量级网络YM_SSH，使用改进的SSH网络增大模型感受野；减半网络通道数，将网络模型轻量化；嵌入式部署，将模型转化为TensorRT模型，提高模型在移动终端的推理速度。本发明基于轻量级目标检测网络以及可分离深度卷积，在扩大特征感受野的同时减少卷积核计算量和参数量，并且检测速度和精度与原网络模型几乎持平，解决了实时疲劳检测精确度低的问题。
-
公开(公告)号：CN115512324A
公开(公告)日：2022-12-23
申请号：CN202211253152.3
申请日：2022-10-13
Applicant: 中国矿业大学
Abstract: 本发明公开一种基于边缘对称填充和大感受野的路面病害检测方法，包括：数据集准备，结合道路环境重新标注公共数据集，并添加灌缝和井盖两个辅助类别；神经网络搭建，用大核深度可分离卷积配合重参数化搭建具有更大有效感受野和更多形状偏置的骨干网络RepLKDarkNet，用空间可分离深度卷积以及改进的对称填充策略搭建对位置信息保留更多的加强特征提取网络XSepPAFPN，用目标跟踪模块优化重识别问题；嵌入式部署，将模型转化为TensorRT模型。本发明基于大感受野特征以及应用边缘对称填充策略的空间可分离深度卷积，在提高特征图的有效感受野的同时减少大卷积核计算量和参数量，并在一定程度弥补特征提取时的信息丢失，解决路面病害样式和形状提取不准确影响检测精度的问题。
-
公开(公告)号：CN115439835A
公开(公告)日：2022-12-06
申请号：CN202211258003.6
申请日：2022-10-13
Applicant: 中国矿业大学
Abstract: 本发明公开了一种改进YOLO‑PAI的实时接打电话行为检测方法，步骤如下：从视频监控平台截取照片制作数据集，添加手和手机两个标签类别，手的标注辅助判断人是否存在接打电话行为；搭建新型卷积神经网络，对于主干网络CSPDarknet53进行剪枝，在保证精度的同时减少参数量。利用使用k‑means聚类算法获得的9个锚点解决小型目标检测问题，更好的检测手机特征信息。增加第四个尺度的特征映射分支，扩大检测范围；部署嵌入式设备，使用TensorRT深度学习推理框架。通过提出的SRblock_body结构，提取图像特征，构建更深层次网络改善网络结构，提高分类和检测效果，在保证检测精度的同时减少模型大小和参数量，更好的移植到嵌入式设备中。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.02 seconds)
