公开(公告)号：CN119624939A

公开(公告)日：2025-03-14

申请号：CN202411833132.2

申请日：2024-12-13

Applicant: 哈尔滨理工大学

Inventor： 吴海滨 ,  刘文柏 ,  袁鹏飞 ,  李福玲 ,  王爱丽

IPC: G06T7/00 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06V10/764

Abstract: 本发明属于计算机视觉领域中的目标检测技术，具体涉及一种基于改进YOLOv11的X光安检图像危险品检测系统。首先将X光安检图像数据集按照6：4的比例划分为训练集与测试集，该系统基于YOLOv11架构，在主干网络结构中引入了空间和通道协同注意机制(Spatial andChannel Synergistic Attention,SCSA)，其包含可共享的多语义空间注意力(Shareable Multi‑Semantic Spatial Attention,SMSA)和渐进式通道自注意力(Progressive Channel‑wise Self‑Attention,PCSA)两部分，旨在提升X光安检图像中的危险品检测性能，有效增强模型对复杂场景的理解能力，提高了对小型目标、遮挡物体及低对比度危险品的检测精度与速度。本发明通过结合SCSA模块改进YOLOv11算法，显著提升了X光安检图像中危险品检测的精度与速度，为提升公共安全和优化安检流程提供了有力的技术支持。

公开(公告)号：CN119919664A

公开(公告)日：2025-05-02

申请号：CN202510018070.8

申请日：2025-01-06

Applicant: 哈尔滨理工大学

Inventor： 吴海滨 ,  刘文柏 ,  袁鹏飞 ,  李福玲 ,  王敏慧 ,  王爱丽

IPC: G06V10/26 ,  G06V10/774 ,  G06V10/776 ,  G06V10/82 ,  G06V20/60 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于目标检测技术领域，具体涉及一种基于改进YOLOv8的X光安检图像危险品分割与检测系统。该方法依次执行以下步骤：获取X光安检图像数据集，并按比例划分为训练集和测试集；对YOLOv8‑seg架构进行改进，针对主干网络和颈部网络的卷积层进行优化，通过结合空间深度转换卷积(Space‑to‑Depth Convolution,SPD‑Conv)来增强对主干网络和颈部网络特征的提取能力，从而提高对小型目标、遮挡物体及复杂背景下危险品的分割精度，提升模型对X光安检图像危险品的检测能力。本发明通过结合SPD‑Conv模块改进YOLOv8‑seg算法，能够在复杂背景下对交通枢纽的X光安检图像中的危险品进行精确分割和检测，显著提高了检测能力，为优化安检流程提供了有力的技术支持。

公开(公告)号：CN119312155A

公开(公告)日：2025-01-14

申请号：CN202411310183.7

申请日：2024-09-19

Applicant: 哈尔滨理工大学

Inventor： 王爱丽 ,  夏丁 ,  冯彦翔 ,  姚一鸣 ,  李福玲 ,  吴海滨

IPC: G06F18/241 ,  G06F18/214 ,  G06F18/211 ,  G06N3/0464 ,  G06N3/094 ,  G06N3/098 ,  G06F11/3668

Abstract: 本发明属于联邦学习与软件缺陷预测技术领域，具体涉及一种基于联邦学习的高鲁棒性异构软件缺陷预测算法。该算法首先利用Tomek links和单边选择(One‑Side Selection,OSS)算法对参与方本地数据进行预处理，缓解类不平衡问题；通过卡方检验选出代表性特征子集，统一各参与方数据的特征数量。各参与方构建本地卷积神经网络，将数据划分为训练集和测试集。通过引入客户端置信度重新加权(Client Confidence Reweighting，CCR)和改进的Bootstrap Loss损失函数，增强模型在标签噪声条件下的鲁棒性，并通过KL散度进行知识交换，降低通信开销，提高模型性能。最终，模型经过训练和验证，实现了高效精准的软件缺陷预测，有效应对数据异构性和标签噪声问题，提升了预测精度和效率。