公开(公告)号：CN116935445A

公开(公告)日：2023-10-24

申请号：CN202311018385.X

申请日：2023-08-14

Applicant: 电子科技大学

Inventor： 常乐 ,  周道强 ,  李嘉杰 ,  许文波 ,  贾海涛 ,  杨龙帆 ,  徐遵傑 ,  成璇凝

IPC: G06V40/10 ,  G06V10/40 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提出了一种基于深度学习的皮肤病准确识别方法，用于解决当前皮肤病图像识别准确率较低的问题。该方法基于CapsNet，并集成了轻量复合注意力方法和高阶注意力引导浅层特征优化模块。在HAM10000这一大型公开数据集上的实验结果表明，所提方法达到的分类准确率高于CNN和MobileNetV2，且参数量为MobileNetV2的20％左右。在客观评价指标、视觉效果及泛化性上均优于其他几种先进的基于深度学习的皮肤病识别方法。为皮肤病识别辅助软件的研发等下游应用提供了高精度模型保障。

公开(公告)号：CN120020907A

公开(公告)日：2025-05-20

申请号：CN202311547067.2

申请日：2023-11-20

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 常乐 ,  李嘉杰 ,  杨龙帆 ,  徐遵傑 ,  周道强 ,  贾海涛

IPC: G06V20/60 ,  G06V10/774 ,  G06V10/30 ,  G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种基于深度学习的可回收垃圾分类方法。本发明针对深度学习视域下的可回收垃圾分类算法展开了研究，选用VGG19模型，运用ImageNet数据集，从数据选择、图像预处理、图像特征提取方面进行了图像处理及识别分析，探讨了基于深度学习的可回收垃圾分类算法的实现方法，通过网络训练、迁移学习强化模型自身的泛化能力，进而通过优化器改进，结合应用Lookahead及LazyOptimizer两种优化器，通过二者的优势互补，提高垃圾分类识别的准确度。根据测试结果得出了深度学习视域下的可回收垃圾分类算法识别准确率相对较高，在可回收垃圾分类中具有较高的应用价值。

公开(公告)号：CN120020494A

公开(公告)日：2025-05-20

申请号：CN202311546683.6

申请日：2023-11-20

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 常乐 ,  李嘉杰 ,  杨龙帆 ,  徐遵傑 ,  周道强 ,  贾海涛

IPC: G01C21/34 ,  G06N3/006

Abstract: 本发明提出了一种引入三维避障因子的改进蚁群算法，包括：三维地形环境建模；构建行程总体代价函数；设置三维地形模型中的起点和终点，初始化参数；将所有蚂蚁放置在起点，构建禁忌表；改进蚁群算法的状态转移概率公式，通过该公式计算出状态转移概率，确定蚂蚁下一个要走的节点，并将走过的节点放入禁忌表中；改进蚁群算法的信息素更新规则，并依据该规则对信息素含量进行更新；比较并得到当前最优行驶路线；判断迭代次数是否达到设定的最大值，若达到最大，则输出为最优路线；本发明提出的技术方案引入了三维避障因子，缓解了蚁群算法由于禁忌表的限制以及复杂环境下障碍物的影响从而容易造成“死锁”现象的问题，使改进后的蚁群算法更适用于三维地形环境下的路径规划。

公开(公告)号：CN118918310A

公开(公告)日：2024-11-08

申请号：CN202410911678.9

申请日：2024-07-09

Applicant: 电子科技大学

Inventor： 贾海涛 ,  杨龙帆 ,  钱孝伟 ,  唐毅 ,  梅发贵 ,  许文波 ,  周焕来 ,  任利

IPC: G06V10/25 ,  G06V10/82 ,  G06V10/80 ,  G06V10/30 ,  G06V10/764 ,  G06N3/045 ,  G06N3/0464

Abstract: 本发明公开了一种基于多尺度特征融合的域自适应目标检测方法。该方法旨在解决目标检测中域间特征尺度不统一及背景噪声干扰等问题。主要步骤包括：设计多尺度特征融合模块，对不同尺度的特征图进行对齐融合；增加背景抑制模块，降低背景特征对特征对齐的影响；将更新的特征图输入到不同域分类器，利用域分类一致性正则器，生成域不变特征信息。实验表明，提出的方法在不同背景和图像质量下均表现出显著的检测效果提升。与现有技术相比，本发明在多尺度特征对齐和背景抑制方面进行了有效改进，验证了其在域自适应目标检测中的优势。

公开(公告)号：CN118212359A

公开(公告)日：2024-06-18

申请号：CN202410351697.0

申请日：2024-03-26

Applicant: 电子科技大学

Inventor： 贾海涛 ,  袁帅 ,  杨龙帆 ,  贾宇明 ,  许文波 ,  任利 ,  常乐 ,  冷庚

IPC: G06T17/00 ,  G06V10/82 ,  G06V20/40 ,  G06V20/64

Abstract: 本发明公开了一种基于COLMAP和YOLOv5的敏感区域入侵监测方法，该发明在敏感区域入侵监测方向上具有一定的通用性。该专利以消防通道的入侵监测为说明案例。首先利用COLMAP将多视角图像融合建立高精度三维点云模型，明确标定出待保护的敏感区域界限。然后将YOLOv5集成至监控摄像系统中，实现实时视频流中的目标识别与定位。接着针对检测到的目标物体，使用射线法判断目标是否侵入敏感区域，一旦发生入侵事件，则立即触发警报系统，并显示在三维点云模型中。本发明能够实现对敏感区域的全方位、自动化的安全保障，具有显著的应用价值和技术进步意义。