公开(公告)号：CN113762353A

公开(公告)日：2021-12-07

申请号：CN202110928742.0

申请日：2021-08-13

Applicant: 江苏大学

Inventor： 宋雪桦 ,  刘思雨 ,  王昌达 ,  金华 ,  杜聪 ,  王赟

IPC: G06K9/62

Abstract: 本发明涉及一种基于多输出残差编码的多标签分类方法，该方法分析原始输入、输出空间之间的残差并对其编码，令其最小化以获取标签空间的低秩结构。此外，考虑到实例与邻居之间的标签相关性，将实例邻居的多个残差也纳入到该方法中以学习更有效的距离度量，从而获取标签空间中更合理的低秩结构和特征空间和标签空间之间的拟合关系。之后，将获取到的拟合关系和低秩结构应用到验证集上，基于SVD分解和加权最近邻投票的方式来预测验证集中实例的输出标签。本发明通过对实例及其邻居的残差嵌入学习，解决了分类问题中因数据维度过高所带来的运算成本高、预测效率低和准确度低等问题，可以增强处理高维多标签分类任务的性能。

公开(公告)号：CN113762081A

公开(公告)日：2021-12-07

申请号：CN202110906390.9

申请日：2021-08-09

Applicant: 江苏大学

Inventor： 宋雪桦 ,  杜聪 ,  王昌达 ,  金华 ,  王赟 ,  刘思雨

IPC: G06K9/00 ,  G06K9/20 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于YOLOv5s的粮仓害虫检测方法。在CSP模块不同支路中分别加入空间注意力机制和通道注意力机制；将主干网络CSP模块中残差单元改进为ResNeXt残差单元；对模型结构进行轻量化处理，去除CSP模块中重复的残差单元，并修改颈部网络CSP模块结构，使其与主干网络CSP模块结构保持一致。本发明采用6类常见粮仓害虫作为数据集进行训练，并将训练好的模型权重用于检测，有效减少了人力和物力的消耗，提高了检测准确率，能够较好的满足粮仓害虫检测任务的需求。

公开(公告)号：CN113762084A

公开(公告)日：2021-12-07

申请号：CN202110909371.1

申请日：2021-08-09

Applicant: 江苏大学

Inventor： 宋雪桦 ,  王赟 ,  王昌达 ,  金华 ,  杜聪 ,  刘思雨

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明涉及一种基于RetinaXNet的建筑夜景灯光异常检测方法，数据集采用均衡化处理，保留图像的纹理信息，降低图像复杂度。RetinaXNet网络的输入模块将视频帧缩减为224*224的图像，主干模块采用改进的残差结构提取图像的轮廓信息，检测头模块采用XNet网络加强信息的整合，进行分类与回归，输出模块按照缩减比例将图像重新恢复成原大小。本发明提出的RetinaXNet网络能够用于检测图像中的故障灯的位置以及故障分类，实现自动化检测异常，提高检测的正确率，降低误检的情况，为建筑夜景异常灯光的检测提供一种可靠的方法。