公开(公告)号：CN118505983B

公开(公告)日：2024-10-29

申请号：CN202410964537.3

申请日：2024-07-18

Applicant: 南京信息工程大学

Inventor： 王译曼 ,  刘一锋 ,  孙乐

IPC: G06V10/25 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于改进YOLOv8的唐卡目标检测方法，包括以下步骤：（1）获取需要检测的唐卡图片或视频并放入test文件并进行预处理；（2）构建改进YOLOv8网络模型，将深度可分离‑分组卷积‑SE注意力模块DGST替换特征金字塔层C2f中的瓶颈层Bottleneck；其中，DGST模块包括：SE注意力机制层、分组卷积以及神经网络ConvFFN模块；将需要检测的图片或视频输入改进YOLOv8网络进行训练；（3）将得到的模型输出数据进行处理，得到预测结果；本发明通过对YOLOv8模型的改进，提高检测的精确度，模型参数在一定程度上减少，实现模型轻量化。

公开(公告)号：CN119494834A

公开(公告)日：2025-02-21

申请号：CN202510055720.6

申请日：2025-01-14

Applicant: 南京信息工程大学

Inventor： 张翰尧 ,  凌妙根 ,  王珅 ,  王译曼

IPC: G06T7/00 ,  G06V10/44 ,  G06V10/764 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种像素级钢材表面缺陷检测与分类方法，包括以下步骤：（1）获取多张历史钢材表面缺陷图像及其对应的掩码图像以及实测的钢材表面缺陷图像；（2）构建改进的#imgabs0#深度学习模型包括Backbone层、侧输出层Side、上采样层和Outconv层；（3）采用多张钢材表面缺陷图像及其对应的掩码图像对改进的#imgabs1#深度学习模型进行训练，得到基于改进的#imgabs2#钢材表面缺陷检测与分类模型；（4）采用基于改进的#imgabs3#钢材表面缺陷检测与分类模型对多张实测钢材表面缺陷图像进行钢材表面缺陷检测与分类；本发明提高了检测和分类的准确性。

公开(公告)号：CN118505983A

公开(公告)日：2024-08-16

申请号：CN202410964537.3

申请日：2024-07-18

Applicant: 南京信息工程大学

Inventor： 王译曼 ,  刘一锋 ,  孙乐

IPC: G06V10/25 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于改进YOLOv8的唐卡目标检测方法，包括以下步骤：（1）获取需要检测的唐卡图片或视频并放入test文件并进行预处理；（2）构建改进YOLOv8网络模型，将深度可分离‑分组卷积‑SE注意力模块DGST替换特征金字塔层C2f中的瓶颈层Bottleneck；其中，DGST模块包括：SE注意力机制层、分组卷积以及神经网络ConvFFN模块；将需要检测的图片或视频输入改进YOLOv8网络进行训练；（3）将得到的模型输出数据进行处理，得到预测结果；本发明通过对YOLOv8模型的改进，提高检测的精确度，模型参数在一定程度上减少，实现模型轻量化。