-
公开(公告)号：CN118037907A
公开(公告)日：2024-05-14
申请号：CN202410259323.6
申请日：2024-03-07
Applicant: 湖南大学
IPC: G06T13/40 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于扩散模型的动作生成方法、装置、设备及介质，方法包括：获取不同动作对应的动作序列，并标注描述其的文本信息；构建基于扩散模型的动作生成模型，包括逆向去噪过程和前向加噪过程；前向加噪过程使用预定义的超参数表示条件概率分布均值和方差，逆向去噪过程通过神经网络预测前向加噪过程所添加的噪音，进而对输入数据进行还原；将文本信息和给定的噪音作为逆向去噪过程的原始输入数据，将动作序列作为逆向去噪过程最终所得的还原数据，训练动作生成模型；获取描述目标动作的文本信息，将其与给定的噪音输入至训练好的动作生成模型中，得到目标动作序列。本发明可以高效便捷地生成多样化、高自由度、观感自然、流畅的动作。
-
公开(公告)号：CN119516176A
公开(公告)日：2025-02-25
申请号：CN202411754303.2
申请日：2024-12-02
Applicant: 湖南大学
IPC: G06V10/25 , G06N3/0464 , G06V10/774 , G06V10/22 , G06N3/045 , G06N3/08 , G06V10/40 , G06V10/80 , G06T7/00
Abstract: 本发明公开了一种基于YOLOv10的输电线路绝缘子检测方法及系统，其中，该方法包括：构建绝缘子数据集；再构建基于轻量化YOLOv10n网络的绝缘子检测模型，即使用基于GhostBottleneck模块堆叠的幽灵卷积层GhostConv替换Backbone网络的原普通卷积网络；以及使用特征加强模块Concat_BiFPN替换Neck网络的原连接层网络，并在Neck网络的特征提取模块C2FCIB之后设置注意力模块ContextAggregation；最后将绝缘子数据集送入基于轻量化YOLOv10n的绝缘子检测模型进行模型训练，得到绝缘子检测模型，用于绝缘子检测，极大的提高算法运行效率以及准确性。
-
公开(公告)号：CN119516175A
公开(公告)日：2025-02-25
申请号：CN202411754292.8
申请日：2024-12-02
Applicant: 湖南大学
IPC: G06V10/25 , G06V40/10 , G06V10/26 , G06V10/764 , G06N3/0464 , G06V10/44 , G06V10/80 , G06N3/048 , G06N3/045 , G06T3/4007 , G06T7/00
Abstract: 本发明提供的一种基于新型YOLOv10的安全带检测方法及系统，该方法包括：获取图像数据并进行标注，即对安全带位置/佩戴状态进行标注；构建基于新型YOLOv10网络的检测模型，即使用局部注意力正则化卷积替代Backbone网络部分标准卷积Conv；使用可分离卷积星模块替代Backbone网络的原特征提取模块；使用CARAFE模块替代Neck网络中上采样操作，以及在Neck网络输出的三组特征图之前，分别增设多尺度空间注意力扩张卷积融合模块，再输出特征图至Head网络；利用标注的图像数据训练检测模型，得到安全带检测模型。利用本发明新型YOLOv10网络进行安全带检测，可以显著提升检测效率以及性能。
-
公开(公告)号：CN112529284A
公开(公告)日：2021-03-19
申请号：CN202011423226.4
申请日：2020-12-08
Applicant: 湖南大学
Abstract: 本发明公开了一种基于神经网络的私家车停留时间预测方法、设备及介质，其中方法包括：获取私家车的历史行程数据进行预处理，构建训练集；所述训练集中各样本包括停留点的经纬度、熄火时间和停留时间；以训练集中各样本的停留点经纬度和熄火时间为输入，以对应的停留时间为输出，对构建的深度学习模型进行训练，得到停留时间预测模型；其中，构建的深度学习模型从输入至输出依次包括编码器、异常处理模块和解码器，所述异常处理模块包括神经算术逻辑单元；采集停留时间待预测所对应行程的停留点经纬度和熄火时间，将其输入至训练好的停留时间预测模型，输出即为预测得到的停留时间。本发明可以降低私家车停留时间预测方法的复杂度和工作量。
-
-
-
Search Results
4
records
(took 0.019 seconds)
