公开(公告)号：CN116258890A

公开(公告)日：2023-06-13

申请号：CN202211598833.3

申请日：2022-12-14

Applicant: 哈尔滨理工大学

Inventor： 张信杰 ,  王莉莉

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06V10/22 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明针对YOLOv5s模型大参数多，无法有效的检测密集安全帽目标。提出了一种安全帽检测算法YOLO‑M。首先，在特征提取阶段使用MobileNetv3代替CSPDarkNet53；其次，改进通道空间注意力机制，让模型更好的注意到密集目标；最后，利用残差思想改进特征融合阶段，结合浅层特征提升检测目标的效果。实验表明，该算法在数据集上比普通的二阶段算法有更好的检测效果。

公开(公告)号：CN114648753A

公开(公告)日：2022-06-21

申请号：CN202210275327.4

申请日：2022-04-14

Applicant: 哈尔滨理工大学

Inventor： 李斌 ,  张信杰 ,  尹芳

IPC: G06V20/62 ,  G06V10/25 ,  G06V10/46 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明针对二阶段算法(R‑CNN)无法有效的检测弯曲文本的缺陷。提出了一种基于FasterR‑CNN的自然场景文本检测算法。首先，在特征提取阶段使用残差网络提取深度特征；其次，结合改进的Inception网络使提取的深度特征更适用于文本检测中长宽比较大的情况；最后，融合无锚框思想对RPN进行改进，将传统的基于区域预测的RPN结构改成基于点预测的anchor‑freeRPN。实验表明，该算法在数据集上比普通的二阶段算法有很好的检测效果。