-
公开(公告)号：CN111951260B
公开(公告)日：2022-04-01
申请号：CN202010850481.0
申请日：2020-08-21
Applicant: 苏州大学
Abstract: 本发明涉及一种基于部分特征融合卷积神经网络实时目标计数系统及方法，包括：数据预处理模块，使用图像中已经标注好的目标位置信息，利用高斯滤波器生成目标图像的密度图，并将所有图像归一化；网络训练模块，建立部分特征融合卷积神经网络模型，使用处理好的图像及生成的密度图对所述部分特征融合卷积神经网络模型进行训练；目标数量预处理模块，根据给定的图像，使用训练好的网络模型对图像中的目标数量进行预测。本发明有利于降低网络的参数量和计算量，保证运行速度。
-
公开(公告)号：CN111640101B
公开(公告)日：2022-04-29
申请号：CN202010475998.6
申请日：2020-05-29
Applicant: 苏州大学
Abstract: 本发明涉及一种基于Ghost卷积特征融合神经网络实时车流量检测系统及方法,包括：数据预处理模块，用于从拍摄的视频中进行抽帧，得到第一训练集，对所述第一训练集中的目标图像进行标记形成第二训练集，再利用高斯滤波器生成目标图像的密度图，形成第三训练集；网络训练模块，通过所述第三训练集对网络进行训练得到网络模型，其中所述网络包括多个Ghost卷积层；目标信息预测模块，从拍摄的视频中进行抽帧，作为测试图像，将所述测试图像输入至所述网络模型中进行预测，得到测试图像的目标信息。本发明误差小，有利于获得良好的性能。
-
Patent Agency Ranking
公开(公告)号：CN111583655B
公开(公告)日：2021-12-24
申请号：CN202010476892.8
申请日：2020-05-29
Applicant: 苏州大学
Abstract: 本发明公开了一种车流量检测方法，包括：根据接收到的车辆监控图像集，确定出目标检测图像；将目标检测图像输入至预先建立的目标神经网络中，以生成与目标检测图像对应的目标密度图；其中，目标神经网络中包含经过空洞化处理的卷积层；对目标密度图进行求和操作以得到计算结果，并将计算结果作为目标检测图像中包含的车辆数量。由此可见，本发明采用对卷积层进行空洞化处理的方式，增加了网络的感受野；从而无需设置多列结构的神经网络，即避免了由于多列结构而产生的不必要的计算量，提高了车流量检测过程中的效率，避免了不必要的时间资源浪费。此外，本发明所提供的一种车流量检测装置、设备及存储介质与上述方法对应。
-
公开(公告)号：CN111640101A
公开(公告)日：2020-09-08
申请号：CN202010475998.6
申请日：2020-05-29
Applicant: 苏州大学
Abstract: 本发明涉及一种基于Ghost卷积特征融合神经网络实时车流量检测系统及方法,包括：数据预处理模块，用于从拍摄的视频中进行抽帧，得到第一训练集，对所述第一训练集中的目标图像进行标记形成第二训练集，再利用高斯滤波器生成目标图像的密度图，形成第三训练集；网络训练模块，通过所述第三训练集对网络进行训练得到网络模型，其中所述网络包括多个Ghost卷积层；目标信息预测模块，从拍摄的视频中进行抽帧，作为测试图像，将所述测试图像输入至所述网络模型中进行预测，得到测试图像的目标信息。本发明误差小，有利于获得良好的性能。
-
公开(公告)号：CN111951260A
公开(公告)日：2020-11-17
申请号：CN202010850481.0
申请日：2020-08-21
Applicant: 苏州大学
Abstract: 本发明涉及一种基于部分特征融合卷积神经网络实时目标计数系统及方法，包括：数据预处理模块，使用图像中已经标注好的目标位置信息，利用高斯滤波器生成目标图像的密度图，并将所有图像归一化；网络训练模块，建立部分特征融合卷积神经网络模型，使用处理好的图像及生成的密度图对所述部分特征融合卷积神经网络模型进行训练；目标数量预处理模块，根据给定的图像，使用训练好的网络模型对图像中的目标数量进行预测。本发明有利于降低网络的参数量和计算量，保证运行速度。
-
公开(公告)号：CN111723742A
公开(公告)日：2020-09-29
申请号：CN202010567692.3
申请日：2020-06-19
Applicant: 苏州大学
Abstract: 本申请公开了一种人群密度分析方法、系统、装置及计算机可读存储介质，包括：接收识别图像；利用预先训练得到的轻量化神经网络模型对识别图像中出现的人数进行识别，得到人群密度；其中，轻量化神经网络模型包括依次相连的第一卷积层、第一最大池化层和第二卷积层；第一卷积层和第二卷积层中的卷积层均为Ghost卷积层；本申请基于轻量化神经网络模型的独有架构将其中常规卷积层全部替换成Ghost卷积层，使得网络在保证原有性能的同时能够降低参数量，降低对硬件资源的消耗并加快运行速度，快速高效的计算出识别图像中的人群密度，提高了人群密度分析效率。
-
公开(公告)号：CN111583655A
公开(公告)日：2020-08-25
申请号：CN202010476892.8
申请日：2020-05-29
Applicant: 苏州大学
Abstract: 本发明公开了一种车流量检测方法，包括：根据接收到的车辆监控图像集，确定出目标检测图像；将目标检测图像输入至预先建立的目标神经网络中，以生成与目标检测图像对应的目标密度图；其中，目标神经网络中包含经过空洞化处理的卷积层；对目标密度图进行求和操作以得到计算结果，并将计算结果作为目标检测图像中包含的车辆数量。由此可见，本发明采用对卷积层进行空洞化处理的方式，增加了网络的感受野；从而无需设置多列结构的神经网络，即避免了由于多列结构而产生的不必要的计算量，提高了车流量检测过程中的效率，避免了不必要的时间资源浪费。此外，本发明所提供的一种车流量检测装置、设备及存储介质与上述方法对应。
-
-
-
-
-
-
Search Results
7
records
(took 0.014 seconds)
