-
公开(公告)号：CN119229476A
公开(公告)日：2024-12-31
申请号：CN202411718475.4
申请日：2024-11-28
Applicant: 无锡学院
IPC: G06V40/10 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/20 , G06V10/40 , G06V10/80 , G06V10/82
Abstract: 基于深度学习特征增强的复杂背景下昆虫检测方法和系统，涉及小目标检测领域。解决了农业昆虫检测缺乏真实场景中动态捕获到的昆虫图像的问题。方法包括：获取图像，并对所述图像进行预处理；构建S‑Insect‑Det网络结构，S‑Insect‑Det网络结构包括主干网络、颈部网络和检测头；所述主干网络为基于Transformer的EfficientViT网络；所述颈部网络为双向多尺度融合架构；通过主干网络进行图像特征提取，并通过颈部网络进行多尺度特征融合；通过检测头输出特征融合后的特征表示，获取昆虫识别结果。本发明应用于昆虫识别领域。
-
公开(公告)号：CN119964151A
公开(公告)日：2025-05-09
申请号：CN202510444610.9
申请日：2025-04-10
Applicant: 无锡学院
IPC: G06V20/68 , G06N3/0464 , G06N3/0495 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82
Abstract: 生晒林下参等级分类识别方法、系统、设备及存储介质，涉及人参品级分类领域应用，解决了现有的人参等级分类方法难以在提升计算精度的同时提高计算速度的问题。采集生晒林下参图像样本，并进行预处理，得到预处理后的多等级的生晒林下参数据集；构建EfficientNet_v2_s模型；将融合倒残差卷积块的标准卷积替换为SCConv；在模型中添加轻量级S‑FPN模块，得到优化后的EfficientNet_v2_s模型；训练优化后的模型，并基于预处理后的多等级的生晒林下参数据集，对生晒林下参的等级进行分类。本发明用于实现高效准确的生晒林下参等级分类识别。
-
公开(公告)号：CN118038085B
公开(公告)日：2024-06-07
申请号：CN202410417807.9
申请日：2024-04-09
Applicant: 无锡学院
IPC: G06V10/46 , G06N3/045 , G06N3/088 , G06N3/0895 , G06V10/764 , G06V10/778 , G06V10/80 , G06V10/82
Abstract: 一种基于孪生网络的点云关键点检测方法及装置，涉及点云关键点检测领域。解决了现有技术输入的点云是单视角或存在缺陷时，其无法有效输出缺失位置的关键点的问题。所述方法包括将两个同一个物体的不同的单视觉点云数据输入孪生网络模型中，通过无监督学习训练得到两组有点云位置的受约束的关键点；将两组所述受约束的关键点拼接，合成完整的所述物体的关键点；通过孪生网络模型中的两个网络拟合，得到完整的不被约束的关键点；将检测关键点的任务分配给对应的关键点类别，得到训练好的孪生网络模型；输出一组受约束的关键点和一组不受约束的关键点，完成点云关键点的检测。还适用于缺失位置的关键点检测中。
-
公开(公告)号：CN118038085A
公开(公告)日：2024-05-14
申请号：CN202410417807.9
申请日：2024-04-09
Applicant: 无锡学院
IPC: G06V10/46 , G06N3/045 , G06N3/088 , G06N3/0895 , G06V10/764 , G06V10/778 , G06V10/80 , G06V10/82
Abstract: 一种基于孪生网络的点云关键点检测方法及装置，涉及点云关键点检测领域。解决了现有技术输入的点云是单视角或存在缺陷时，其无法有效输出缺失位置的关键点的问题。所述方法包括将两个同一个物体的不同的单视觉点云数据输入孪生网络模型中，通过无监督学习训练得到两组有点云位置的受约束的关键点；将两组所述受约束的关键点拼接，合成完整的所述物体的关键点；通过孪生网络模型中的两个网络拟合，得到完整的不被约束的关键点；将检测关键点的任务分配给对应的关键点类别，得到训练好的孪生网络模型；输出一组受约束的关键点和一组不受约束的关键点，完成点云关键点的检测。还适用于缺失位置的关键点检测中。
-
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。
-
Patent Agency Ranking
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：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。
-
公开(公告)号：CN119360003A
公开(公告)日：2025-01-24
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：CN118279674A
公开(公告)日：2024-07-02
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。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.014 seconds)
