公开(公告)号：CN115272741A

公开(公告)日：2022-11-01

申请号：CN202210496675.4

申请日：2022-05-09

Applicant: 厦门理工学院

Inventor： 苏鹭梅 ,  陈鑫强 ,  陈玮浩 ,  李天友 ,  吴家俊 ,  黄志豪

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/766 ,  G06V10/82 ,  G06V10/77 ,  G06V10/26 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种细长柔性物体检测方法、终端设备及存储介质，该方法中包括：采集细长柔性物体图像并构建训练集；构建细长柔性物体检测模型，通过训练集对模型进行训练；输入图像通过特征提取网络得到有效特征层后，通过候选框生成网络生成候选框并进行归一化处理后得到归一化的候选框，通过多实例关系加权网络计算不同候选框内实例之间的关系特征，通过关系特征能够判断不同候选框内实例之间是否存在关系，边界框预测网络根据不同候选框内实例之间的关系特征预测得到边界框和边界框内物体的类别；通过训练后的模型对图像中的细长柔性物体进行检测。本发明可以应用于智能监控系统中有效识别细长柔性物体。

公开(公告)号：CN114170589A

公开(公告)日：2022-03-11

申请号：CN202111329872.9

申请日：2021-11-11

Applicant: 厦门理工学院

Inventor： 苏鹭梅 ,  吴家俊 ,  黄志豪 ,  张佳濠

IPC: G06V20/60 ,  G06V10/764 ,  G06V10/82 ,  G06V10/774 ,  G06K9/62

Abstract: 本发明涉及一种基于NAS的岩石岩性识别方法、终端设备及存储介质，该方法中包括：S1：采集岩石图片并对其岩性进行标注，根据标注后的岩石图片构建训练集；S2：构建分类模型，分类模型采用基于NAS的网络模型作为主干网络，之后依次串联全卷积网络和分类网络；S3：通过ImageNet图像数据集对分类模型进行预训练后，采用迁移学习算法，在分类模型中载入预训练后得到的权重参数后，再通过训练集对分类模型进行训练，训练后得到最终分类模型；S4：通过最终分类模型对待识别的岩石图片中的岩性进行识别。本发明相比于传统的机器视觉方法具有良好鲁棒性和泛化能力。

公开(公告)号：CN114241403A

公开(公告)日：2022-03-25

申请号：CN202111361344.1

申请日：2021-11-17

Applicant: 厦门理工学院

Inventor： 苏鹭梅 ,  吴家俊 ,  陈鑫强 ,  刘逸丰 ,  林志炜

IPC: G06V20/52 ,  G06K9/62 ,  G06V10/774

Abstract: 本发明公开了一种不定方向柔性物的检测方法、电子设备以及存储介质，属于计算机视觉领域。该方法包括：第一步，接收外部输入图像数据；第二步，通过训练好的FCN深度模型进行检测；第三步，将输入的外部图像数据使用训练好的FCN深度模型进行预测，得出检测结果并输出；第四步：进行模型的训练迭代，传递检测误差用来进行训练迭代。通过多次依次采用第三、第四步的方法，最后完成不定方向柔性物的检测。本发明提供了一种准确高效的不定方向柔性物的检测的方法，为现实生活中不定方向柔性物的检测提供更加精确的解释分析。

公开(公告)号：CN112149596A

公开(公告)日：2020-12-29

申请号：CN202011049302.X

申请日：2020-09-29

Applicant: 厦门理工学院

Inventor： 苏鹭梅 ,  陈鑫强 ,  李天友 ,  吴家俊 ,  黄明勇

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种异常行为检测方法、终端设备及存储介质，该方法中包括：采集多组连续t+1帧视频图像组成的视频图像序列，将所有视频图像序列组成训练集；构建U‑Net神经网络，U‑Net神经网络的输入为第1～t帧视频图像组成的视频图像序列，输出经过U‑Net神经网络重构后的重构图像，通过训练集对U‑Net神经网络进行训练，使得重构图像与采集的第t+1帧的真实图像的差异最小；通过训练后的U‑Net神经网络对视频中连续帧的图像不断重构，通过重构图像与其对应的真实图像之间的差异与阈值的关系，判断视频中是否存在异常行为。本发明从大量视频数据的规律中自主学习对行为类别的分类，省去了标注标签的工作量。