公开(公告)号：CN119559403A

公开(公告)日：2025-03-04

申请号：CN202510132150.6

申请日：2025-02-06

Applicant: 无锡学院

Inventor： 单慧琳 ,  王兴涛 ,  张银胜 ,  孟祥源 ,  吴心悦 ,  马丁

IPC: G06V10/26 ,  G06V10/52 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455

Abstract: 本发明提供了一种基于多尺度深度监督的高分辨遥感图像语义分割方法，包括以下步骤：步骤1，获取ISPRS Potsdam数据集和Vaihingen数据集；步骤2，搭建多尺度深度监督网络MDSNet，包括空间分支、语义分支网络和多尺度特征聚合部分；所述空间分支、语义分支网络和多尺度特征聚合部分均为四层结构；步骤3，将训练集输入至多尺度深度监督网络MDSNet中训练，计算损失函数并进行反向传播，更新网络参数，获取训练好的参数模型；步骤4，将测试集输入到训练好的参数模型中，输出目标图像的分割图。本发明提出的方法在提高特征提取能力的同时，提高了语义分割的准确率，以及训练效率和稳定性。

公开(公告)号：CN117523394A

公开(公告)日：2024-02-06

申请号：CN202311486178.7

申请日：2023-11-09

Applicant: 无锡学院

Inventor： 刘文星 ,  单慧琳 ,  陈昕 ,  王兴涛 ,  马陈悦 ,  张雁晧 ,  李长帅

IPC: G06V20/10 ,  G06V10/80 ,  G06V10/774 ,  G06V10/82 ,  G06V10/40 ,  G06N3/0464 ,  G06N3/0985

Abstract: 本发明公开了一种基于聚合特征增强网络的SAR船舰检测方法，包括步骤如下：S1，获取SAR图像数据集，对SAR图像数据集进行预处理后按照设定的比例划分为训练集、验证集和测试集；S2，搭建SAR船舰检测网络，所述SAR船舰检测网络包括依次连接的主干网络、Neck网络、探测头部分，其中主干网络和Neck网络协同处理特征图；S3，将训练集和验证集输入SAR船舰检测网络中训练，计算CIOU损失函数并进行反向传播，更新网络参数，获取最佳参数模型；S4，将测试集输入到训练好的最佳参数模型中，输出SAR图像的精确识别图。本发明能有效应对合成孔径雷达船舰检测中存在的问题，并提供高精度的检测方法。

公开(公告)号：CN116310699A

公开(公告)日：2023-06-23

申请号：CN202211106095.6

申请日：2022-09-09

Applicant: 无锡学院

Inventor： 孙佳琪 ,  单慧琳 ,  王兴涛 ,  崔志强 ,  钟思远 ,  龙见洋 ,  胡宇翔

IPC: G06V10/82 ,  G06V10/20 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于改进YOLOv3的目标检测方法，包括步骤：S1，选择图像数据集；S2，使用灰度化、二值化、透视变换与边缘分割对图像进行预处理，并对图像进行缩放处理；S3，将预处理后的图像放入MobileNetV2Plus主干网络进行信息提取；S4，选择三个不同大小的特征图作为预测输入，进入特征融合层；并对三个不同大小的特征图进行上采样以及拼接，再进行卷积，分别输入给大、中、小三个不同先验框的输出层；S5，对特征融合层输入的三个不同通道数的特征图，再次进行卷积，得到分类后的特征图，生成三个不同维度大小的先验框。本发明只采用1*1卷积核，降低了计算维度，加快了识别的速度。

公开(公告)号：CN114550176A

公开(公告)日：2022-05-27

申请号：CN202210160582.4

申请日：2022-02-22

Applicant: 无锡学院

Inventor： 王兴涛 ,  单慧琳 ,  崔志强 ,  孙佳琪 ,  张银胜

IPC: G06V30/148 ,  G06V10/82 ,  G06N3/08 ,  G06Q50/20

Abstract: 本发明公开了基于深度学习的试卷批改方法，包括：获取写有标准答案的试卷图像P1，采集需要批改的试卷图像P2，并进行预处理；对预处理后的P1和P2分别进行霍夫直线检测，得到答题水平直线位置，进而得到单个题目的答题区域；利用YOLO v3网络提取答题区域中每个验证框的坐标信息及验证框内的数据，进而计算相邻两个验证框之间的距离；对两幅试卷图像中同一个题目序号对应的答题区域中每个数据信息进行比对，统计需要批改的试卷图像中正确题目与错误题目数量；根据需要批改的试卷坐标信息，提取需要批改的试卷对应的学号，将学号与相应试卷上所有题目正确与否存入数据库中。本发明可运用于试卷或者答题卡的选择题、填空题，不受题型以及答题卡格式的限制。

公开(公告)号：CN114495062A

公开(公告)日：2022-05-13

申请号：CN202210094129.8

申请日：2022-01-26

Applicant: 无锡学院

Inventor： 崔志强 ,  张银胜 ,  曹广喜 ,  孙佳琪 ,  王兴涛 ,  单慧琳

IPC: G06V20/58 ,  G06T7/50 ,  G06T17/00 ,  G06N3/04

Abstract: 本发明公开了一种前方路面平整度检测方法，包括：利用单目相机采集车辆前方道路视频流数据，对视频流数据进行抽帧；构建深度残差网络，利用深度残差网络对抽出的帧图像进行深度估计运算，得到深度图；对深度图进行3D重建，获得车辆前方道路的3D云图；根据3D云图，计算车辆前方道路帧图像所拍摄到的其他车辆、障碍物、道路标线以及标识分别与车辆之间的距离，并结合深度图，将像素坐标系转化为世界坐标系；在世界坐标系中通过检验假设方法检测车辆前方道路是否为平面，当车辆前方道路不为平面时，进一步通过检验假设方法检测车辆前方道路是否为坡面。本发明方法可以检测出车辆行驶中前方道路是否为平面或坡面，为车主提供便利和安全。

公开(公告)号：CN114049522A

公开(公告)日：2022-02-15

申请号：CN202111418342.1

申请日：2021-11-26

Applicant: 无锡学院

Inventor： 刘玉柱 ,  单慧琳 ,  王兴涛 ,  张银胜 ,  刘先锋 ,  刘小庆

IPC: G06V10/764 ,  G06V10/774 ,  G06K9/62 ,  G06V10/82 ,  G06F16/951 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/26

Abstract: 本发明涉及一种基于深度学习的垃圾分类系统，属于人工智能领域。该系统包括树莓派控制板、摄像头、PC端显示器和远程服务器，所述摄像头将采集到的垃圾图像信息传输给树莓派控制板，所述树莓派控制板通过X2go和远程服务器之间建立远程连接，所述树莓派控制板与显示器连接，所述树莓派控制板和远程服务器内设置有训练好的卷积神经网络。本发明设计的垃圾分类系统具有较高的识别准确度，通过大量的数据进行训练，并改进网络模型，极大的提高了垃圾分类识别的可靠性。

公开(公告)号：CN119559403B

公开(公告)日：2025-05-13

申请号：CN202510132150.6

申请日：2025-02-06

Applicant: 无锡学院

Inventor： 单慧琳 ,  王兴涛 ,  张银胜 ,  孟祥源 ,  吴心悦 ,  马丁

IPC: G06V10/26 ,  G06V10/52 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455

Abstract: 本发明提供了一种基于多尺度深度监督的高分辨遥感图像语义分割方法，包括以下步骤：步骤1，获取ISPRS Potsdam数据集和Vaihingen数据集；步骤2，搭建多尺度深度监督网络MDSNet，包括空间分支、语义分支网络和多尺度特征聚合部分；所述空间分支、语义分支网络和多尺度特征聚合部分均为四层结构；步骤3，将训练集输入至多尺度深度监督网络MDSNet中训练，计算损失函数并进行反向传播，更新网络参数，获取训练好的参数模型；步骤4，将测试集输入到训练好的参数模型中，输出目标图像的分割图。本发明提出的方法在提高特征提取能力的同时，提高了语义分割的准确率，以及训练效率和稳定性。

公开(公告)号：CN118505998A

公开(公告)日：2024-08-16

申请号：CN202410653380.2

申请日：2024-05-24

Applicant: 无锡学院

Inventor： 王兴涛 ,  单慧琳 ,  王志浩 ,  黄浩瀚 ,  金睿哲 ,  黄泽云

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种基于三向分割融合的实时语义分割系统及分割方法，包括TWSeNet网络，TWSeNet网络包括空间细节分支网络，语义分支网络，轻量级多路分支网络，第一卷积层，拼接模块和特征融合模块，将原始图像输入至第一卷积层后得到的特征分别输入至空间细节分支网络，轻量级多路分支网络和语义分支网络；将空间细节分支网络输出的特征，轻量级多路分支网络输出的特征和语义分支网络输出的特征输入拼接模块进行拼接，并将拼接后的特征输入至特征融合模块，所述特征融合模块输出原始图像的精确分割图。本发明的TWSeNet网络提高了图像中小尺寸目标的分割效能。

公开(公告)号：CN114120092A

公开(公告)日：2022-03-01

申请号：CN202111451008.6

申请日：2021-12-01

Applicant: 无锡学院

Inventor： 王兴涛 ,  单慧琳 ,  崔志强 ,  王佳瑜 ,  刘小庆 ,  刘先锋 ,  刘玉柱

IPC: G06V20/00 ,  G06K9/62 ,  G06V10/764 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的食物卡路里计算系统和方法，利用相机获得食物的照片或实时视频流；利用称重模块获取食物的质量信息；在树莓派中利用深度学习算法识别出食物种类，进而获取该食物的卡路里信息，根据食物的卡路里信息和质量信息计算出食物的卡路里含量；利用显示屏显示获取到的各项数据。本发明提高了测量的准确度，而且使用方便，无需对食物进行多面拍摄。

公开(公告)号：CN117995402A

公开(公告)日：2024-05-07

申请号：CN202410141593.7

申请日：2024-02-01

Applicant: 无锡学院

Inventor： 孙佳琪 ,  单慧琳 ,  王兴涛 ,  陈前杭 ,  陈昕 ,  段修贤

IPC: G16H50/30 ,  A61B5/0205 ,  A61B5/00 ,  G16H50/20 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种基于图神经网络的生命体征预测方法，包括步骤如下：S1，对采集含有患者信息的数据集，并对数据集进行预处理；S2，将预处理后的数据分为动态特征向量和静态特征向量，并对动态特征向量和静态特征向量分别输入生命体征预测网络进行处理；S3，将处理完后的动态特征向量和静态特征向量进行拼接，得到一个新的特征向量；S4，将新的特征向量输入GeLU和全连接层，输出患者生命体征预测信息；S5，通过wandb模块对患者的指标进行实时监测。本发明能实现实时检测和提高预测精准度。本发明能加快预测速度，实现对体征信息的时间序列的特征强化。