公开(公告)号：CN116257778A

公开(公告)日：2023-06-13

申请号：CN202310110984.8

申请日：2023-02-14

Applicant: 同济大学

Inventor： 尤鸣宇 ,  熊攀

IPC: G06F18/24 ,  G06N3/0464 ,  G06N3/096

Abstract: 本发明提供一种基于深度神经网络多源域迁移学习的室内火灾检测方法，属于火灾监测技术领域，用于监控室内火灾的发生。该方法包括如下步骤：1、收集不同来源的火灾数据集样本作为神经网络的训练集；2、采用一种特别的神经网络结构，使该神经网络能够根据不同的样本输入生成不同的权重参数；3、将训练集作为输入来训练神经网络；4、将火灾数据集测试样本输入至神经网络中，神经网络输出分类结果。本发明提出的方法能够有效地利用不同来源的数据集来训练神经网络，避免了样本数量较少而无法进行训练神经网络的尴尬局面，具有一定的实用性。

公开(公告)号：CN116778342A

公开(公告)日：2023-09-19

申请号：CN202310964192.7

申请日：2023-08-02

Applicant: 同济大学

Inventor： 尤鸣宇 ,  熊攀 ,  周洪钧

IPC: G06V20/10 ,  G06V10/26 ,  G06V10/44 ,  G06V10/10 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G06V10/774

Abstract: 本发明提供一种基于像素和通道注意力的检测空中小型无人机的方法，属于图像检测领域，用于监控空中小型无人机。该方法包含如下步骤：待检测的高分辨率无人机图像分割为9块带有重叠的图像块，将分割后的图像输入到调整后的ResNet特征提取网络模块中，得到图像的抽象后的特征。之后特征经过特征金字塔池化操作得到不同大小的图像特征，图像特征输入到注意力机制模块网络中，使用标注的Ground Truth和最终网络输出来计算训练损失，之后依次更新网络权重，完成网络训练。小型无人机具有尺寸小、形状多变和易被遮挡等特点，而本发明提出的方法不同于常规的图像检测方法，其能够有效地从复杂的背景中检测到目标无人机。