-
公开(公告)号：CN114519679A
公开(公告)日：2022-05-20
申请号：CN202210158438.7
申请日：2022-02-21
Applicant: 安徽大学 , 中国电子科技集团公司第三十八研究所
Abstract: 本发明提供一种SAR目标图像数据智能增强方法，包括：输入待增强的SAR图像数据，确定需要生成图像的角度，对SAR图像数据进行旋转填充；构建高分辨率GAN模型，包括生成器和鉴别器；所述生成器依次包括：第一卷积层、多个密集连接的残差模块、第二卷积层、下采样层和第三卷积层；所述鉴别器包括四个序列模块；将旋转填充后的SAR图像数据输入到高分辨率GAN模型，进行重构，获得增强后的高分辨率SAR图像数据。用此智能数据增强的方法，可以扩充Mstar等一些数据量较少的SAR目标数据集，提高分类的精度。也可以用于扩充SSDD等目标检测常用的数据集，提高检测的精度。
-
公开(公告)号：CN114519679B
公开(公告)日：2022-10-21
申请号：CN202210158438.7
申请日：2022-02-21
Applicant: 安徽大学 , 中国电子科技集团公司第三十八研究所
Abstract: 本发明提供一种SAR目标图像数据智能增强方法，包括：输入待增强的SAR图像数据，确定需要生成图像的角度，对SAR图像数据进行旋转填充；构建高分辨率GAN模型，包括生成器和鉴别器；所述生成器依次包括：第一卷积层、多个密集连接的残差模块、第二卷积层、上采样层和第三卷积层；所述鉴别器包括四个序列模块；将旋转填充后的SAR图像数据输入到高分辨率GAN模型，进行重构，获得增强后的高分辨率SAR图像数据。用此智能数据增强的方法，可以扩充Mstar等一些数据量较少的SAR目标数据集，提高分类的精度。也可以用于扩充SSDD等目标检测常用的数据集，提高检测的精度。
-
公开(公告)号：CN114511798B
公开(公告)日：2024-04-26
申请号：CN202111509227.5
申请日：2021-12-10
Applicant: 安徽大学 , 安徽中科星联信息技术有限公司
IPC: G06V20/40 , G06V20/59 , G06N3/0464 , G06V10/82 , G06N3/08 , G06V10/80 , G06V10/764
Abstract: 本发明提供了一种基于transformer的驾驶员分心检测方法及装置，属于驾驶行为分析领域，包括采集分心驾驶图像数据；搭建驾驶员分心检测模型FPT；将采集到的分心驾驶图像数据输入驾驶员分心检测模型FPT中，利用驾驶员分心检测模型FPT对分心驾驶图像数据进行分析，根据分析结果判断驾驶员分心状态。本发明在Swin，Twins等模型的基础上提出一种新的网络模型驾驶员分心检测模型FPT，该这种模型与深度学习模型相比弥补了深度学习模型只能提取局部特征的缺点，与变压器transformer模型相比，提高了分类的精度，并且降低了参数量和运算量；对整个网络的损失函数进行了调整，在交叉熵损失函数的基础上添加了标签平滑，增加分类的准确度，有效抑制过拟合，提高了检测精度。
-
公开(公告)号：CN114511798A
公开(公告)日：2022-05-17
申请号：CN202111509227.5
申请日：2021-12-10
Applicant: 安徽大学 , 安徽中科星联信息技术有限公司
Abstract: 本发明提供了一种基于transformer的驾驶员分心检测方法及装置，属于驾驶行为分析领域，包括采集分心驾驶图像数据；搭建驾驶员分心检测模型FPT；将采集到的分心驾驶图像数据输入驾驶员分心检测模型FPT中，利用驾驶员分心检测模型FPT对分心驾驶图像数据进行分析，根据分析结果判断驾驶员分心状态。本发明在Swin，Twins等模型的基础上提出一种新的网络模型驾驶员分心检测模型FPT，该这种模型与深度学习模型相比弥补了深度学习模型只能提取局部特征的缺点，与变压器transformer模型相比，提高了分类的精度，并且降低了参数量和运算量；对整个网络的损失函数进行了调整，在交叉熵损失函数的基础上添加了标签平滑，增加分类的准确度，有效抑制过拟合，提高了检测精度。
-
公开(公告)号：CN114140732A
公开(公告)日：2022-03-04
申请号：CN202111502053.X
申请日：2021-12-09
Applicant: 安徽大学 , 安徽中科星联信息技术有限公司
IPC: G06V20/40 , G06N3/04 , G06N3/08 , G06V10/774 , G06V10/764 , G06V10/20
Abstract: 本发明提供了一种面向小样本条件下的消防火源检测方法、装置及存储介质，属于目标检测及工业部署领域，包括：收集工业现场的火源图像数据；构建火源检测模型；将火源图像数据输入火源检测模型中，通过火源检测模型对火源图像数据进行分析，获得检测结果；所述检测结果包括火源的具体位置、精度和类别。该方法缓解了小样本条件下，数据的样本量不够，训练困难的问题，使用不同的增强方法，大幅增加了样本的数量和质量，提升了模型的过拟合能力；通过本方法解决小目标检测难的问题，提升了小目标的检测精度，实现工业现场端到端实时检测。
-
Patent Agency Ranking
公开(公告)号：CN114187581B
公开(公告)日：2024-04-09
申请号：CN202111527027.2
申请日：2021-12-14
Applicant: 安徽大学 , 安徽中科星联信息技术有限公司
IPC: G06V20/59 , G06N3/0464 , G06N3/08 , G06V10/764
Abstract: 本发明提供了一种基于无监督学习的驾驶员分心细粒度检测方法，属于驾驶行为分析领域，包括：采集分心驾驶图像数据；将采集到的分心驾驶图像数据输入无监督学习检测模型中，利用无监督学习检测模型对分心驾驶图像数据进行分析，根据分析结果判断驾驶员分心状态；无监督学习检测模型包括骨干网络、投影头和损失函数；骨干网络为融入多层感知机MLP的RepMLP网络结构；投影头为将融入残差结构的多层感知机MLP；损失函数为基于对比学习和stop‑gradient策略的损失函数。本发明弥补了传统卷积层所堆积的CNN模型全局感知能力较差的问题，具备了较强的局部感知能力及良好的全局感知性能，可以使无监督学习检测模型对应用场景的泛化能力得到了加强。
-
公开(公告)号：CN116665003A
公开(公告)日：2023-08-29
申请号：CN202310942753.3
申请日：2023-07-31
Applicant: 安徽大学 , 安徽中科星联信息技术有限公司
IPC: G06V10/80 , G06V10/82 , G06N3/0464 , G06V20/64
Abstract: 本发明公开一种基于特征交互与融合的点云三维目标检测方法和装置，包括以下步骤：步骤S1、获取点云信息中具有稀疏性和完整性的点云特征；步骤S2、根据所述具有稀疏性和完整性的点云特征，得到BEV特征交互的全局特征；步骤S3、将所述BEV特征交互的全局特征进行多尺度特征融合，实现点云三维目标检测。采用本发明的技术方案，以解决现有两阶段点云三维目标检测任务中存在的点云特征模糊、缺乏稀疏性、BEV特征缺乏全局交互以及ROI Pooling特征缺乏多维度表征问题。
-
公开(公告)号：CN114187581A
公开(公告)日：2022-03-15
申请号：CN202111527027.2
申请日：2021-12-14
Applicant: 安徽大学 , 安徽中科星联信息技术有限公司
IPC: G06V20/59 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764
Abstract: 本发明提供了一种基于无监督学习的驾驶员分心细粒度检测方法，属于驾驶行为分析领域，包括：采集分心驾驶图像数据；将采集到的分心驾驶图像数据输入无监督学习检测模型中，利用无监督学习检测模型对分心驾驶图像数据进行分析，根据分析结果判断驾驶员分心状态；无监督学习检测模型包括骨干网络、投影头和损失函数；骨干网络为融入多层感知机MLP的RepMLP网络结构；投影头为将融入残差结构的多层感知机MLP；损失函数为基于对比学习和stop‑gradient策略的损失函数。本发明弥补了传统卷积层所堆积的CNN模型全局感知能力较差的问题，具备了较强的局部感知能力及良好的全局感知性能，可以使无监督学习检测模型对应用场景的泛化能力得到了加强。
-
公开(公告)号：CN116664874B
公开(公告)日：2023-10-20
申请号：CN202310960023.6
申请日：2023-08-02
Applicant: 安徽大学 , 安徽中科星联信息技术有限公司
IPC: G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了一种单阶段细粒度轻量化点云3D目标检测系统及方法，其中系统包括：点云特征编码模块、体素特征提取模块、BEV特征提取模块和检测模块；点云特征编码模块用于对输入的点云数据进行体素化，并对每个体素中的点云特征进行编码，得到编码后特征；体素特征提取模块用于对编码后特征进行体素特征提取，得到体素特征；BEV特征提取模块基于体素特征进行特征转化提取，得到BEV特征；检测模块基于BEV特征进行目标检测。本申请体素特征的提取比传统的稀疏卷积网络更快更准确，尽可能保持原始点云特征的完整性和稀疏性，使提取的点云特征具有一定的细粒度；构建的BEV特征提取模块可以非常有效地提取细粒度BEV特征。
-
公开(公告)号：CN116665003B
公开(公告)日：2023-10-20
申请号：CN202310942753.3
申请日：2023-07-31
Applicant: 安徽大学 , 安徽中科星联信息技术有限公司
IPC: G06V10/80 , G06V10/82 , G06N3/0464 , G06V20/64
Abstract: 本发明公开一种基于特征交互与融合的点云三维目标检测方法和装置，包括以下步骤：步骤S1、获取点云信息中具有稀疏性和完整性的点云特征；步骤S2、根据所述具有稀疏性和完整性的点云特征，得到BEV特征交互的全局特征；步骤S3、将所述BEV特征交互的全局特征进行多尺度特征融合，实现点云三维目标检测。采用本发明的技术方案，以解决现有两阶段点云三维目标检测任务中存在的点云特征模糊、缺乏稀疏性、BEV特征缺乏全局交互以及ROI Pooling特征缺乏多维度表征问题。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.104 seconds)
