-
公开(公告)号：CN119152200B
公开(公告)日：2025-04-15
申请号：CN202411649311.0
申请日：2024-11-19
Applicant: 无锡学院
IPC: G06V10/25 , G06N3/0464 , G06N3/082 , G06V10/82 , G06V20/56
Abstract: 一种基于YOLOv8改进的自动驾驶目标检测方法。涉及自动驾驶领域，具体涉及基于YOLOv8改进的自动驾驶目标检测技术领域。其解决了多目标检测，提升模型在复杂背景下对密集小目标的检测精度，有效减少误检和漏检的问题。所述方法包括如下步骤：S1、数据集的建立与划分，并进行预处理；S2、构建基础的YOLOv8s模型；S3、优化YOLOv8s模型，具体为：S31、将YOLOv8s模型的主干部分中SPPF模块替换为改进的SPPF模块；S32、在YOLOv8s模型的头部部分添加一个小目标检测层；S33、在YOLOv8s模型的主干部分和颈部部分之间添加4个改进后的ACCoM模块；S4、采用预处理后的数据集对优化后的YOLOv8s模型进行迭代训练；S5、采用训练完成的YOLOv8s模型检测目标。
-
公开(公告)号：CN119360003B
公开(公告)日：2025-03-28
申请号：CN202411906781.0
申请日：2024-12-24
Applicant: 无锡学院
Abstract: 基于跨柱体特征聚合的三维点云目标检测方法和系统，属于目标检测技术领域，解决点云目标检测无法同时兼顾检测精度和检测速度问题。本发明的方法包括：柱体特征编码模块，用于将点云数据划分为柱体，并对柱体中包含的特征信息进行编码和跨柱体特征聚和处理，随后将点云数据转换为伪图像，以便输入至骨干网络进行进一步的特征提取；在骨干网络中，通过多个设计优化的残差块和上采样块提取空间特征，生成更高维度的特征图；利用检测器生成目标类别、边界框以及目标方向的预测结果。在模型的柱体特征编码模块中，点云数据被划分为一系列柱体。对柱体进行编码，将不规则的点云数据转换为规则的网格结构。本发明适用于自动驾驶场景的三维目标检测。
-
公开(公告)号：CN119048746B
公开(公告)日：2025-01-28
申请号：CN202411545331.3
申请日：2024-11-01
Applicant: 无锡学院
IPC: G06V10/25 , G06N3/0464 , G06N3/082 , G06V10/82 , G06V20/68
Abstract: 基于YOLOv8y对图像目标检测方法及其系统，属于图像检测技术领域，解决了现有的苹果采摘机械人在复杂天气果园环境下无法对苹果果实进行精准的检测的问题。确定YOLOv8y的比例因子；在YOLOv8y骨干网络中，图像依次经过V7 Downsampling以及多个联级的V7 Downsampling和C2f进行特征提取，分别输出多个尺度的特征图像；YOLOv8y颈部‑双向特征金字塔结构网络中的双向流动结构进行融合多个尺度的特征图像，输出融合后的多个尺度的特征图像；YOLOv8y头部网络中的PIoUv2损失函数基于融合后的多个尺度的特征图像实现对目标的检测；对YOLOv8y依次进行剪枝、调整的操作。
-
公开(公告)号：CN119152200A
公开(公告)日：2024-12-17
申请号：CN202411649311.0
申请日：2024-11-19
Applicant: 无锡学院
IPC: G06V10/25 , G06N3/0464 , G06N3/082 , G06V10/82 , G06V20/56
Abstract: 一种基于YOLOv8改进的自动驾驶目标检测方法。涉及自动驾驶领域，具体涉及基于YOLOv8改进的自动驾驶目标检测技术领域。其解决了多目标检测，提升模型在复杂背景下对密集小目标的检测精度，有效减少误检和漏检的问题。所述方法包括如下步骤：S1、数据集的建立与划分，并进行预处理；S2、构建基础的YOLOv8s模型；S3、优化YOLOv8s模型，具体为：S31、将YOLOv8s模型的主干部分中SPPF模块替换为改进的SPPF模块；S32、在YOLOv8s模型的头部部分添加一个小目标检测层；S33、在YOLOv8s模型的主干部分和颈部部分之间添加4个改进后的ACCoM模块；S4、采用预处理后的数据集对优化后的YOLOv8s模型进行迭代训练；S5、采用训练完成的YOLOv8s模型检测目标。
-
公开(公告)号：CN118279674B
公开(公告)日：2024-09-27
申请号：CN202410685419.9
申请日：2024-05-30
Applicant: 无锡学院
IPC: G06V10/764 , G06N3/0455 , G06N3/0464 , G06V10/26 , G06V10/40 , G06V10/80 , G06V10/82
Abstract: 本发明属于点云数据处理技术领域，本发明公开了基于切片式层级点云网络的目标分类、分割及检测方法，方法包括：将所述点云数据集输入已训练完成的SAPT多任务模型中，输出包含三种下游任务结果的综合处理结果；本发明采用point transformer网络结合锚点共享技术，在切片式的特征提取后利用自然语言处理技术NLP或图像处理IMAGE技术，提取到更加细节的全局特征，削弱关键点的权重，直接利用当前提取到的特征实现目标检测性能。
-
Patent Agency Ranking
公开(公告)号：CN118230296A
公开(公告)日：2024-06-21
申请号：CN202410324420.9
申请日：2024-03-21
Applicant: 无锡学院
IPC: G06V20/59 , B60W40/08 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种轻量化的疲劳驾驶检测跟踪方法，获取待识别的驾驶员图像；将待识别的驾驶员图像输入预先构建的YOLOv5s网络模型，获得人脸特征目标框；利用Deepsort算法对人脸特征目标框进行连续目标跟踪优化，获得标签信息；基于标签信息、驾驶员的连续闭眼帧数、驾驶员的连续打哈欠帧数和计算获得的PERCLOS分数，判定获得包括疲劳驾驶状态和正常驾驶状态的驾驶员驾驶状态。本模型能够降低检测过程中驾驶员面部信息丢失发生的概率问题，并且在保持高精度的同时显著降低了模型大小。
-
公开(公告)号：CN111986216B
公开(公告)日：2024-01-12
申请号：CN202010907881.0
申请日：2020-09-02
Applicant: 无锡学院
Abstract: 本发明提出一种基于一维卷积神经网络改进的区域生长算法对肝脏CT图像进行交互式分割，通过神经网络统筹考虑像素的灰度值、空间信息、不同梯度值等多种信息作为生长规则，提高了区域生长法的稳定性，增强了算法对边缘复杂结构的分割能力。具体步骤如下：首先是图像预处理，提取CT图像序列集中含有肝脏的切片，使用窗口算法将CT图像转化为灰度图像；然后是图像边缘检测，计算像素在不同边缘检测算子下的梯度值作为该像素的特征，形成像素特征向量；接下来是构建网络模型，提取训练数据集，训练网络模型；最后是分割，将训练好的卷积神经网络模型作为区域生长算法的生长准则，利用鼠标点击肝脏区域产生初始分割结果，利用形态学方法进行填充孔洞得到最终结果。
-
公开(公告)号：CN116958175A
公开(公告)日：2023-10-27
申请号：CN202311218213.7
申请日：2023-09-21
Applicant: 无锡学院
IPC: G06T7/11 , G06N3/0464 , G06N3/048 , G06N3/08 , G06V10/26 , G06V10/764 , G06V10/82
Abstract: 一种血液细胞分割网络及血液细胞分割方法。属于图像识别技术领域，具体涉及血液细胞图像的识别技术领域。其解决了以往深度学习的方式中，对于血液细胞显微图像中白细胞，白细胞核及红细胞三类同时分割研究较少的问题。所述血液细胞分割网络包括卷积层、空洞残差层、池化层和上采样层，血液细胞图像输入后，依次经过卷积层、空洞残差层、池化层和上采样层后输出，所述空洞残差层与上采样层跳跃连接。本发明所述网络及方法可以应用在血液细胞研究技术领域以及血液细胞分割技术领域。
-
公开(公告)号：CN119887879A
公开(公告)日：2025-04-25
申请号：CN202510244018.4
申请日：2025-03-03
Applicant: 无锡学院
IPC: G06T7/60 , G06V40/10 , G06V20/64 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/771 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/082 , A01K29/00 , A01K45/00
Abstract: 本发明提供了一种基于关键点识别的尺寸测量方法，属于动物体尺测量领域，包括：获取待测量的动物的图片；将yolov8模型Backbone的第5层Conv网络替换为GSConv网络，将neck所有的C2f模块替换为VovGSCSP模块，并在neck部分增加一个分支，在neck的末尾加上EMA模块，构成改进的yolov8模型；通过各动物的图片对改进的yolov8模型进行训练得到动物体尺关键点检测模型；将待测量的动物的图片输入动物体尺关键点检测模型，输出动物体尺对应的关键点；根据动物体尺对应的关键点的像素坐标进行计算，得到动物的体尺参数。该方法提高了动物体尺测量的效率和准确性。
-
公开(公告)号：CN119006805B
公开(公告)日：2025-01-28
申请号：CN202411496242.4
申请日：2024-10-25
Applicant: 无锡学院
Abstract: 一种用于城市环境中的目标检测方法，属于目标检测技术领域，具体涉及城市环境中的目标检测技术领域。其解决了单阶段检测器将分类和检测回归合并为一个阶段比较困难，从而导致在城市中进行目标检测时结果不精确的问题。本发明所述方法对YOLOv7模型进行改进，降低模型复杂度，实现模型的轻量化。当通过改进YOLOv7模型获得目标坐标、目标类别和置信度后，将这些数据处理，重新计算其置信度，得到真实置信度，将所有信息整理成用于构建异构图神经网络（SeHGNN网络）的训练数据集。最后，将异构图神经网络得到的推理置信度用来替换改进YOLOv7模型得到的置信度，从而提高目标检测精度。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.047 seconds)
