-
公开(公告)号：CN114719861A
公开(公告)日：2022-07-08
申请号：CN202111474535.9
申请日：2021-12-04
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种基于UWB和ELM的无人机室内定位技术。该发明在室内精确定位具有一定的通用性，该专利以室内无人机定位作为说明案例。针对精确定位问题，在定位过程中加入了K‑Means聚类用于筛选可靠数据，聚类算法对于数据筛选具有一定的通用性和可移植性；针对环境的固定干扰以及UWB收发设备的误差问题，需要通过极限学习机进行训练，能有效提升定位精度和定位效率。
-
公开(公告)号：CN114511828A
公开(公告)日：2022-05-17
申请号：CN202111471311.2
申请日：2021-12-04
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种基于YOLOv4‑Tiny算法的车让人检测方法。该发明在车让人检测场景上具有一般通用性，该专利应用于人行横道上车辆是否礼让行人的场景。常规的车让人检测算法效率较低，且检测方法易受摄像头安装角度的影响。针对检测算法问题，在YOLOv4‑Tiny中的CSPDarknet53网络中添加上采样层，改进后的检测算法对于车辆和行人检测具有一定的通用性和可移植性；针对摄像头角度造成的误识别问题，对车道信息进行划分，命名区域ID，将ID分别赋值给车辆和行人，然后判断车辆和行人的ID是否相等来判断车辆是否礼让行人。基于YOLOv4‑Tiny算法的车让人检测方法，在检测速度上有一定的提升，在检测准确率上也有明显效果。
-
Patent Agency Ranking
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
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：CN118887384A
公开(公告)日：2024-11-01
申请号：CN202410911676.X
申请日：2024-07-09
Applicant: 电子科技大学
IPC: G06V10/25 , G06V10/764 , G06V10/762 , G06V20/70 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于于类对齐的域自适应目标检测方法。该方法旨在解决域自适应目标检测中存在各种类别特征的类内变化显著、类间差异不足的问题。主要步骤包括：设计类间分离模块，采用困难样本挖掘的采样方法，在两个领域间通过距离交互增强类别间的差异；类内聚合模块，通过获取两个领域内同类特征与共享类别中心之间的距离，利用最小化类别内差异方法。优化损失函数，增强模型对类间差异性和类内紧凑性的学习。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，本发明提高了模型获取两域之间的类别语义信息的能力，验证了其在域自适应目标检测中的优势。
-
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)
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：CN114596316A
公开(公告)日：2022-06-07
申请号：CN202111479069.3
申请日：2021-12-04
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明提出了一种基于语义分割的改进型DeepLabv3+技术来尽可能多的保留道路图像分割中的细节特征。该发明在图像分割细节提取方向上具有一定的通用性，该专利以道路图像分割为说明案例。传统的道路分割方法中存在着道路的细节特征被当成噪声滤除的不足，针对该问题，本发明引用了深度学习中的通用语义分割框架DeepLabv3，并对传统的人工图像分割以及采用MobileNetV2的分割所产生的细节特征滤除问题对DeepLabv3进行了进一步的改进。基于语义分割改进后的DeepLabv3+算法模型能够用于对具有复杂背景噪声的无人机图像进行道路分割并且在复杂的背景下实现细节特征的抓取。
-
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)
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。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
