公开(公告)号：CN118351334A

公开(公告)日：2024-07-16

申请号：CN202410628723.X

申请日：2024-05-21

Applicant: 电子科技大学

Inventor： 贾海涛 ,  徐诗怡 ,  林泽航 ,  许文波 ,  周焕来

IPC: G06V10/74 ,  G06V10/40 ,  G06V10/82 ,  G06V10/764 ,  G06V10/766 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明提出一种基于混合注意力机制的端到端图像匹配的方法，该方法包括：在特征提取模块使用具有FPN的标准卷积神经网络(CNN)来提取图像粗粒度级别特征与细粒度级别特征；在特征更新模块采用深度卷积与逐点卷积以减少模型参数和计算；在transformer模块使用由基于向量的全局注意力机制与基于G2L局部注意力机制组成的混合注意力块以提高准确和局部化能力；在粗粒度匹配模块使用相互匹配方法以进行初步特征匹配；在细粒度匹配阶段设计精细匹配模块来同时预测置信度和偏移量。由于混合注意力机制的存在，本模型能够更好的进行精细的局部交互，提取高度准确和局部化对应关系的能力，从而提高图像特征匹配的速度与准确率。

公开(公告)号：CN118533169A

公开(公告)日：2024-08-23

申请号：CN202410628724.4

申请日：2024-05-21

Applicant: 电子科技大学

Inventor： 贾海涛 ,  林泽航 ,  徐诗怡 ,  许文波 ,  周焕来

IPC: G01C21/16 ,  G01C21/20 ,  G01S19/48

Abstract: 本发明提出一种基于图像匹配的无人机野外无GNSS定位方法，该方法包括：在图像正射模块对无人机图像使用视觉‑惯性里程计法进行正射处理；在粗定位模块对无人机图像基于图像匹配进行初步定位；在细定位模块对无人机图像使用蒙特‑卡洛定位进行准确定位。本发明的主要目标是开发一种定位算法，其不依赖于GNSS进行长途飞行，而只依赖于单目广角相机，该定位方法在GNSS信号不能可靠使用的情况下的实用性，并且作为一种故障安全替代方案，使无人机能够到达其目标位置或者至少安全降落在预先确定的位置。在一些应用场景例如自动无人机交付时，可以使用本发明所提出的定位方法提高导航的可靠性。

公开(公告)号：CN114612814A

公开(公告)日：2022-06-10

申请号：CN202111471321.6

申请日：2021-12-04

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 贾海涛 ,  李彧 ,  钱孝伟 ,  谭志昊 ,  林泽航 ,  袁帅 ,  江雪婷 ,  许文波

IPC: G06V20/40 ,  G06V20/52

Abstract: 本发明公开了一种基于改进YOLOv4的电梯内电动车检测方法。该发明在电梯检测方向上具有一定的通用性，该专利以电梯内电动车检测为说明案例。电梯内电动车中存在大量的误检缺陷以及速度慢。针对速度慢，在YOLOv4网络结构中改进了网络结构，将将CSPDarkNet‑53改为CSPDarkNet‑48，并将PANet结构减半；针对误检缺陷，考虑到本发明中电动自行车数据集的输入大小相差不大，且大多为中小型目标，为了更好地识别出目标并匹配输出特征图，采用2*3＝6的预测帧作为候选。基于改进YOLOv4算法模型能够精准的识别电梯内电动车，且对于误检缺陷也能够取得较好的识别效果。

公开(公告)号：CN114582086A

公开(公告)日：2022-06-03

申请号：CN202111511216.0

申请日：2021-12-04

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 贾海涛 ,  康益铭 ,  林泽航 ,  冯玉轩 ,  陈昊男 ,  钱孝伟 ,  张钰琪 ,  许文波

IPC: G08B21/02 ,  G08C17/02 ,  H04N5/225 ,  H04L67/12 ,  H04L69/16 ,  G06V40/20

Abstract: 本发明涉及智能监控安全防护技术领域，尤其涉及一种基于目标检测的行为报警系统，包括用于行为采集、数据上传的目标检测单元，与装载基于残差网络ResNet101的改进Faster RCNN模型用于检测人体行为的神经网络单元，与所述云端服务器通过无线通信连接的用于查看智能摄像头模块和接收报警通知的用户单元；本发明所提供的技术方案有效克服现有智能监控所存在的不能摆脱人力实现智能监控、不能针对多场景及时地对用户进行危险行为智能通知的缺陷。

公开(公告)号：CN113963177A

公开(公告)日：2022-01-21

申请号：CN202111335800.5

申请日：2021-11-11

Applicant: 电子科技大学

Inventor： 罗欣 ,  冯倩 ,  林泽航 ,  许文波 ,  赫熙煦 ,  郑进军

IPC: G06V10/44 ,  G06K9/62 ,  G06N3/04 ,  G06V10/82 ,  G06V10/764 ,  G06V20/10

Abstract: 本发明公开了一种基于CNN的建筑物掩膜轮廓矢量化的方法。该发明可以利用卷积神经网络提取建筑物掩膜轮廓，消除高大树木，道路等因素对建筑物轮廓的影响，提高对轮廓提取的精度，并最后通过矢量化的操作，对建筑物轮廓的周长，面积进行计算。本发明首先设计了一个层数为5的多尺度卷积神经网络，并在前两个最低尺度层引入Atrous卷积，分别学习划分出的多个样本的特征，之后利用高斯混合建模，获取不同样本混合的条件概率密度函数，再应用多尺度聚合建模策略，将特征图进行上采样得到包含建筑物的输出图像，最后将输入图像作为输入，在ArcGIS中进行栅格掩膜获得栅格数据，最后再进一步转化为矢量数据，并可以进行相应的运算。