公开(公告)号：CN116935437A

公开(公告)日：2023-10-24

申请号：CN202310856310.2

申请日：2023-07-12

Applicant: 湖北工业大学

Inventor： 曾亮 ,  严星澳 ,  胡谦 ,  陈嘉 ,  王珊珊 ,  冯峥 ,  向思颖 ,  简俊杰 ,  常昕宇 ,  王嘉诚 ,  陈壮 ,  简玲 ,  刘登 ,  李维刚

IPC: G06V40/10 ,  G06V10/764 ,  G06V10/86 ,  G06N3/04 ,  G06N3/0464

Abstract: 本发明涉及一种电力作业人员的检测方法、装置、电子设备及存储介质，方法包括：获取目标检测模型，目标检测模型包括：主干网络、特征融合网络模块以及末端检测模块，获取检测图片，并进行预处理，得到目标图片，并输入到目标检测模型中，通过主干网络进行特征提取，得到多个注意力特征图片，并通过特征融合网络模块进行融合处理，得到融合图片，并通过末端检测模块进行解码处理，得到对应融合图片的预测结果，将对应融合图片的预测结果进行非极大抑制处理，得到电力作业人员图片检测框，并进行分类以及全类平均正确率计算处理，得到计算结果，并将计算结果与预设的阈值进行匹配，得到电力作业人员检测结果。

公开(公告)号：CN114821575B

公开(公告)日：2024-08-13

申请号：CN202210572988.3

申请日：2022-05-19

Applicant: 湖北工业大学

Inventor： 王珊珊 ,  朱威 ,  胡谦 ,  邹心怡 ,  杨宇晨 ,  何嘉文 ,  吴霓 ,  谭微微 ,  杨腾飞 ,  曾亮

IPC: G06V20/68 ,  G06V10/25 ,  G06V10/42 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/098

Abstract: 本发明提供了一种基于注意力机制和集成学习的冰箱食材检测方法及装置。其方法包括：获得训练完备后的冰箱食材检测集成模型，所述冰箱食材检测集成模型包括模型结构不相同的第一冰箱食材检测模型和第二冰箱食材检测模型，所述第一冰箱食材检测模型包括联合注意力机制模块；获取待检测冰箱食材图像，并基于所述冰箱食材检测集成模型对所述待检测冰箱食材图像进行检测，获得所述待检测冰箱食材图像的检测结果。本发明通过设置冰箱食材检测集成模型包括模型结构不相同的第一冰箱食材检测模型和第二冰箱食材检测模型，且第一冰箱食材检测模型包括联合注意力机制模块，可增强特征的表达能力，提高冰箱食材检测集成模型的检测精度和准确性。

公开(公告)号：CN116958580A

公开(公告)日：2023-10-27

申请号：CN202310879107.7

申请日：2023-07-17

Applicant: 湖北工业大学

Inventor： 曾亮 ,  张琛宁 ,  胡谦 ,  陈嘉 ,  王珊珊 ,  冯峥 ,  向思颖 ,  简俊杰 ,  常昕宇 ,  王嘉诚 ,  陈壮 ,  简玲 ,  刘登 ,  李维刚

IPC: G06V10/44 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/86

Abstract: 本发明涉及一种电力防护装备检测网络训练方法、应用方法、电子设备及介质，包括：获取电力防护装备检测数据集；构建初始电力防护装备检测网络；将检测图像为输入，基于特征提取模块进行特征提取得到特征图像，基于多尺度融合模块依次进行上采样特征融合和下采样特征融合得到融合特征数据，基于检测头进行解码得到预测框和置信度预测值；基于变焦损失模块计算预测框和检测框的交并比，根据交并比和检测标签确定样本损失权重并计算加权预测损失，调整网络参数直至损失不再降低，得到训练完备的电力防护装备检测网络。本发明通过变焦损失模块确定正负样本的损失权重，根据损失权重计算加权预测损失，解决样本间不平衡性问题，提高网络的检测准确性。

公开(公告)号：CN114821575A

公开(公告)日：2022-07-29

申请号：CN202210572988.3

申请日：2022-05-19

Applicant: 湖北工业大学

Inventor： 王珊珊 ,  朱威 ,  胡谦 ,  邹心怡 ,  杨宇晨 ,  何嘉文 ,  吴霓 ,  谭微微 ,  杨腾飞 ,  曾亮

IPC: G06V20/68 ,  G06V10/25 ,  G06V10/42 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G06N20/20

Abstract: 本发明提供了一种基于注意力机制和集成学习的冰箱食材检测方法及装置。其方法包括：获得训练完备后的冰箱食材检测集成模型，所述冰箱食材检测集成模型包括模型结构不相同的第一冰箱食材检测模型和第二冰箱食材检测模型，所述第一冰箱食材检测模型包括联合注意力机制模块；获取待检测冰箱食材图像，并基于所述冰箱食材检测集成模型对所述待检测冰箱食材图像进行检测，获得所述待检测冰箱食材图像的检测结果。本发明通过设置冰箱食材检测集成模型包括模型结构不相同的第一冰箱食材检测模型和第二冰箱食材检测模型，且第一冰箱食材检测模型包括联合注意力机制模块，可增强特征的表达能力，提高冰箱食材检测集成模型的检测精度和准确性。

公开(公告)号：CN114037668A

公开(公告)日：2022-02-11

申请号：CN202111275902.2

申请日：2021-10-29

Applicant: 湖北工业大学

Inventor： 王珊珊 ,  朱威 ,  樊子阳 ,  曾亮 ,  李晓春 ,  胡谦 ,  吴霓 ,  何嘉文

IPC: G06T7/00 ,  G06V10/764 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于线性融合神经网络的肝硬化分类方法、电子设备及计算机可读存储介质，所述方法包括：获取肝硬化感兴趣区域的图像和对应的分类标签，根据所述图像和对应的分类标签生成数据集；构建线性融合神经网络模型，利用所述数据集对所述线性融合神经网络模型进行训练，得到训练完备的线性融合神经网络模型；获取待分类包含肝硬化区域的图像，根据所述待分类包含肝硬化区域的图像和所述训练完备的线性融合网络模型，得到分类结果。本发明提供的基于线性融合神经网络的肝硬化分类方法，提高了肝硬化分类的准确度。