-
公开(公告)号：CN118154401A
公开(公告)日：2024-06-07
申请号：CN202410119071.7
申请日：2024-01-29
Applicant: 广东技术师范大学
Abstract: 本发明涉及一种用于水声信号的信息隐蔽与篡改定位方法，其特征在于包括以下步骤：输入水声信号频谱图的被篡改图像，与原图进行对比得到差值图像；其次将差值图像转化成初步二值图像；第三创建用于标记篡改区域的标记二值图像；之后引入用于增强图像结构特征的形态学处理模块和用于区分篡改痕迹的连通区域分析模块，将符合面积阈值的区域标记到标记二值图像上；最后输出篡改定位二值图。本发明不仅具有较高的检测准确性，而且对计算资源的需求相对较低，适用于大规模图像数据的处理，易于普及，具有显著的实用性。
-
公开(公告)号：CN117423072A
公开(公告)日：2024-01-19
申请号：CN202311333950.1
申请日：2023-10-13
Applicant: 广东技术师范大学
IPC: G06V20/54 , G06V10/82 , G06N3/0464 , G06V40/20 , G06V10/774 , G06N3/048
Abstract: 本发明公开了一种基于Yolov5改进的车内吸烟检测的方法，包括以下步骤：S1：制作数据集；S2：对Yolov5模型进行改进，添加坐标注意力机制以改进Yolov5算法模型，并将激活函数更换成为relu激活函数；S3：更换新的损失函数：利用Alpha‑IOU损失对IOU进行幂变换，并对其中的DIOU损失函数进行改进；S4：设定参数，对模型进行训练，得到训练好的模型；S5：输入图像到训练好的模型中，得到识别结果。本发明通过加入坐标注意力机制、使用relu激活函数以及对损失函数进行优化，降低了车内相似物品的识别错误率，也保证了较高的检测准确性和快速性。
-
公开(公告)号：CN119882400A
公开(公告)日：2025-04-25
申请号：CN202411964147.2
申请日：2024-12-27
Applicant: 广东技术师范大学
IPC: G05B11/42 , G06N3/096 , G06N3/045 , G06N3/0495
Abstract: 本发明提供了一种基于PID控制器的知识蒸馏温度参数动态调整方法，应用于深度学习领域。针对现有知识蒸馏技术中温度参数固定、难以适应模型性能变化的问题，本发明采用PID控制器实时调整温度参数，动态平衡学生和教师模型间的KL散度和交叉熵损失。通过比例‑积分‑微分控制策略，自动调节蒸馏过程中的温度参数增强模型适应性，提升蒸馏效率及学生模型泛化能力。主要步骤包括：实时监控损失差异、利用PID控制器计算温度调整量、动态更新温度参数以平衡蒸馏损失，以及自动化调整减少人工调参，提高模型性能。本方法主要用于自动化调整知识蒸馏的温度参数，减少手动调参，提高模型性能，适用于多种深度学习模型和数据集，具有广泛的应用价值。
-
公开(公告)号：CN119206851A
公开(公告)日：2024-12-27
申请号：CN202410771890.X
申请日：2024-06-15
Applicant: 广东技术师范大学
Abstract: 本发明涉及一种基于双通道注意力的轻量化打电话检测方法，其首先将打电话检测原模型的Yolov5初始网络架构的C3层替换为轻量化可分离幽灵卷积模块，其次将双通道注意力特征融合模块添加于轻量化可分离幽灵卷积模块上，之后将原模型激活函数改进为H‑Swish激活函数，而后将原模型初始CIOU损失函数更改为EIOU损失函数。最后将改进模型进行数据训练，得到基于双通道注意力的轻量化打电话检测的成型模型；将检测数据输入到成型模型中，从而输出检测结果。本方法不但大大的改善了目标检测任务的性能，并且依据本发明轻量且精度较高的特点，可以有效应用到实际场景中，有着较好的实用性。
-
公开(公告)号：CN114358129B
公开(公告)日：2024-08-20
申请号：CN202111483182.9
申请日：2021-12-07
Applicant: 广东技术师范大学
IPC: G06V40/10 , G06V10/82 , G06N3/0464 , G06N3/084 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/62
Abstract: 本发明公开了一种行人重识别模型的训练方法、识别方法、装置及设备，本发明通过获取训练数据集，将训练数据集输入增强视觉感知学习网络模型，得到第一识别结果；特征提取模块对训练数据集进行特征提取生成第一特征图；注意力模块对第一特征图进行融合处理得到第二特征图，利用空间注意信息以及通道注意信息；批量注意模块对第二特征图进行融合增强处理得到第三特征图；增强视觉感知模块将第二特征图以及第三特征图进行特征融合处理，通过跨特征连接增强融合功能；识别模块对第四特征图进行识别得到第一识别结果,根据第一识别结果以及损失函数，修正增强视觉感知学习网络模型得到行人重识别模型,本发明可广泛应用于图像处理领域。
-
Patent Agency Ranking
公开(公告)号：CN117036730A
公开(公告)日：2023-11-10
申请号：CN202310830575.5
申请日：2023-07-07
Applicant: 广东技术师范大学
IPC: G06V10/44 , G06V10/82 , G06V10/764 , G06V10/77 , G06N3/048 , G06N3/0464 , G06N3/08
Abstract: 本发明计算机视觉技术领域，提出一种面向边端设备的轻量化目标检测方法及系统，其中包括以下步骤：构建基于yolov5网络的轻量化目标检测模型；所述轻量化目标检测模型包括PP‑LCNet主干网络、ECA注意力机制层和激活函数层；获取训练数据集并输入所述轻量化目标检测模型中进行训练；构建损失函数，通过最小化损失函数更新所述轻量化目标检测模型的参数，完成对所述轻量化目标检测模型的训练；将完成训练的所述轻量化目标检测模型移植于边端设备，将待检测图像输入完成训练的所述轻量化目标检测模型中得到目标检测结果。本发明具有轻量且精度较高的特点，可以有效应用到边端设备中，扩大边端设备的应用场景以及实用性。
-
公开(公告)号：CN114220067A
公开(公告)日：2022-03-22
申请号：CN202111283604.8
申请日：2021-11-01
Applicant: 广东技术师范大学
IPC: G06V20/52 , G06N3/04 , G06K9/62 , G06V10/774 , G06V10/764 , G06V10/44
Abstract: 本发明公开了一种多尺度简洁注意力行人重识别方法、系统、装置及介质，方法包括：获取预设的多个第一行人图像，对第一行人图像进行预处理，得到训练数据集；构建自适应多尺度简洁注意神经网络，自适应多尺度简洁注意神经网络包括卷积单元、简洁注意单元、自适应多尺度注意单元、平均池化单元以及参数优化单元；将训练数据集输入到自适应多尺度简洁注意神经网络中进行训练，得到训练好的行人重识别模型，进而通过行人重识别模型对待识别行人图像进行识别。本发明减少了模型的计算需求，降低了行人重识别模型的复杂度，提高了行人重识别模型的识别准确率。本发明可广泛应用于行人重识别技术领域。
-
公开(公告)号：CN119887491A
公开(公告)日：2025-04-25
申请号：CN202411963969.9
申请日：2024-12-27
Applicant: 广东技术师范大学
IPC: G06T1/00 , G06N3/045 , G06N3/0464 , G06N3/0985 , H04N21/4408 , H04N21/2347 , H04N21/235
Abstract: 本发明涉及一种基于深度学习的VR虚拟场景信息隐藏方法，其特征在于首先获取VR设备提供的虚拟场景图片，然后将一段水印或一张图片作为机密信息输入以进行嵌入处理。该方法采用可逆神经网络作为基础网络，并在隐藏网络层中引入Eca注意力机制，实现图像的隐藏和机密信息的还原。在图像隐藏和还原过程中，共享网络参数，减少了参数数量，从而节约了模型训练的资源成本。在模型训练过程中，设置隐藏损失和还原损失分别占总损失的30％和70％，并以端到端方式进行网络训练。最终，通过对比总损失值来保存最优模型，构建出model.pt作为信息隐藏的预训练模型。本发明弥补了当前图像隐藏技术在隐蔽性、还原性和安全性方面的不足。
-
公开(公告)号：CN117315439A
公开(公告)日：2023-12-29
申请号：CN202311251930.X
申请日：2023-09-26
Applicant: 广东技术师范大学
IPC: G06V10/82 , G06N3/0464 , G06V10/764 , G06V10/774 , G06N3/048 , G06N3/045 , G06N3/08
Abstract: 本发明涉及计算机视觉技术领域，公开了一种工装检测方法、系统和存储介质。该方法包括：获取数据集；预处理所述数据集，获得训练集和验证集；对所述训练集进行数据增强处理，获得处理后的训练集；使用处理后的训练集训练初始工装检测网络模型，获得训练后的工装检测网络模型；使用改进 损失函数优化训练后的工装检测网络模型参数，获得优化后的工装检测模型；对所述验证集进行数据增强处理，获得处理后的验证集，使用处理后的验证集验证优化后的工装检测模型，获得检测结果。本发明可以提高工装检测的鲁棒性和准确率。
-
公开(公告)号：CN117765368A
公开(公告)日：2024-03-26
申请号：CN202311790194.5
申请日：2023-12-22
Applicant: 广东技术师范大学
Abstract: 本发明涉及一种轻量化YOLOv8的光纤分布式振动信号图像检测方法，其特征在于包括图像数据采集和预处理；其次选定yolov8网络作为基准网络，引入轻量级通用上采样算子CARAFE，在网络HEAD部分，集成EMA注意力机制，并将主干网络用FasterNet替换；之后将调整后的数据输入到训练好的图像检测模型中以得到成品模型；最后将待检测的数据输入到成品模型中得到检测结果。本发明可不同环境、光照强度及天气情况，可以同时检测并识别时空振动图的多类振动事件。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.021 seconds)
