-
公开(公告)号：CN115937526B
公开(公告)日：2023-06-09
申请号：CN202310224105.4
申请日：2023-03-10
申请人： 鲁东大学
IPC分类号： G06V10/26 , G06V10/52 , G06V10/54 , G06V10/24 , G06V10/80 , G06N3/08 , G06T7/00 , G06N3/045 , G06N3/0464 , G06V10/82
摘要： 本发明提供了基于搜索识别网络的双壳贝类性腺区域分割方法，包括：获取双壳贝类数据集；构建多效特征融合的搜索识别模型；所述搜索识别模型包括：搜索模型和识别模型；将所述数据集中的图像输入所述搜索模型进行性腺区域目标定位，获取含有目标对象的图像；将所述含有目标对象的图像输入所述识别模型进行识别分割，获取完整的性腺分割图像，完成双壳贝类性腺区域分割。与传统的破坏外壳抽取内部组织来观测性腺发育情况的方法相比，本发明在无损伤核磁检测基础上针对灰度图像进行一定的分割，从而为以后利用当下现有技术融合进行水产养殖的应用奠定了基础。
-
公开(公告)号：CN116935038A
公开(公告)日：2023-10-24
申请号：CN202310927039.7
申请日：2023-07-27
申请人： 鲁东大学
IPC分类号： G06V10/25 , G06V10/26 , G06V10/77 , G06V10/774 , G06V10/80 , G06V10/82 , G06V20/70 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/082
摘要： 本发明公开了一种基于YOLOv7网络对密集小目标的检测方法及系统，属于密集小目标检测技术领域，包括：在YOLOv7网络框架中加入了SODL小目标检测网络和ACBAM自适应池化注意力模块，提高了检测准确率和效率，有助于解决当小目标分布密集时造成类内遮挡，无法准确检测的问题；通过对图片中的小目标进行检测，可以直接标记出图片中小目标的位置。本发明对小目标相互遮挡情况下的漏检数量大大减少，使网络能够更加关注目标区域，有助于网络更好地处理和识别遮挡物体，可以有效地提高小目标的检测精确度和效率，达到了良好的实际应用效果。
-
公开(公告)号：CN116109827A
公开(公告)日：2023-05-12
申请号：CN202310225143.1
申请日：2023-03-03
申请人： 鲁东大学
IPC分类号： G06V10/26 , G06V10/80 , G06V10/82 , G06V10/74 , G06N3/047 , G06N3/08 , G06V10/774 , G06V10/22 , G06N3/0464
摘要： 本发明公开了一种利用知识蒸馏网络对密集遮挡的育苗期鲍鱼检测方法，属于图像识别领域，包括以下步骤：获取密集遮挡的育苗期鲍鱼图像，构建知识蒸馏网络模型，其中知识蒸馏网络模型包括：蒸馏模块、标签匹配模块和特征融合模块；将育苗期鲍鱼图像输入至知识蒸馏网络模型中，基于蒸馏模块，得到蒸馏特征图，并计算得到有价值区域；基于标签匹配模块，筛选出蒸馏特征图中的正样本特征图；基于特征融合模块，对正样本特征图进行深度可分离卷积，并将正样本特征图的通道信息进行融合，得到预测结果。本发明能够对育苗期鲍鱼相互遮挡情况下的漏检数量大大减少，能够准确识别育苗期鲍鱼的模糊边缘，提高了育苗期鲍鱼相互遮挡时检测准确率。
-
公开(公告)号：CN118609170B
公开(公告)日：2024-10-18
申请号：CN202411080516.1
申请日：2024-08-08
申请人： 鲁东大学
摘要： 本发明涉及利用横向跨尺度融合查询矩阵检测鲍鱼幼苗的方法及装置，属于计算机视觉技术领域。具体方法为，包括建立鲍鱼幼苗数据集，将鲍鱼幼苗数据集分为测试集和训练集，将训练集输入横向跨尺度查询矩阵融合鲍鱼幼苗检测算法中，所述横向跨尺度查询矩阵融合鲍鱼幼苗检测算法具体为：建立模型、训练模型；所述建立模型，包括一个对输入图片进行初步特征提取的骨干网络，骨干网络从多尺度提取图片特征信息，并将信息输送到特征金字塔FPN模块，骨干网络提取的不同尺度的图片信息输送到相应层级的FPN模块中，每个层级的FPN模块对应的设置一个DGAM模块，DGAM模块进一步处理图片信息后，将处理后的信息输入到HEAD模块中进行信息处理，输出检测结果。
-
公开(公告)号：CN115937526A
公开(公告)日：2023-04-07
申请号：CN202310224105.4
申请日：2023-03-10
申请人： 鲁东大学
IPC分类号： G06V10/26 , G06V10/52 , G06V10/54 , G06V10/24 , G06V10/80 , G06N3/08 , G06T7/00 , G06N3/045 , G06N3/0464 , G06V10/82
摘要： 本发明提供了基于搜索识别网络的双壳贝类性腺区域分割方法，包括：获取双壳贝类数据集；构建多效特征融合的搜索识别模型；所述搜索识别模型包括：搜索模型和识别模型；将所述数据集中的图像输入所述搜索模型进行性腺区域目标定位，获取含有目标对象的图像；将所述含有目标对象的图像输入所述识别模型进行识别分割，获取完整的性腺分割图像，完成双壳贝类性腺区域分割。与传统的破坏外壳抽取内部组织来观测性腺发育情况的方法相比，本发明在无损伤核磁检测基础上针对灰度图像进行一定的分割，从而为以后利用当下现有技术融合进行水产养殖的应用奠定了基础。
-
公开(公告)号：CN118968562A
公开(公告)日：2024-11-15
申请号：CN202411197425.6
申请日：2024-08-29
申请人： 鲁东大学
摘要： 本发明涉及一种基于改进注意力机制的密集稚鲍遮挡恢复方法，属于计算机视觉技术领域。一种基于改进注意力机制的密集稚鲍遮挡恢复方法，包括建立鲍鱼幼苗数据集、建立模型和训练模型；所述建立鲍鱼幼苗数据集中，将数据集分为测试集和训练集，其特殊之处在于：将所述训练集的鲍鱼幼苗数据输入建立模型中，获得最终模型；所述建立模型：通过骨干网络提取特征，获得掩码大致轮廓，再通过特征重校准模块实现特征重校准的协调注意力分割模块，输出细化轮廓后的鲍鱼幼苗图片，得到密集稚鲍图像分割模型；训练模块对获得的密集稚鲍图像分割模型进行训练。本申请的方案具有更精确的鲍鱼幼苗位置信息，更有利于提高遮挡恢复的准确率。
-
公开(公告)号：CN118609170A
公开(公告)日：2024-09-06
申请号：CN202411080516.1
申请日：2024-08-08
申请人： 鲁东大学
摘要： 本发明涉及利用横向跨尺度融合查询矩阵检测鲍鱼幼苗的方法及装置，属于计算机视觉技术领域。具体方法为，包括建立鲍鱼幼苗数据集，将鲍鱼幼苗数据集分为测试集和训练集，将训练集输入横向跨尺度查询矩阵融合鲍鱼幼苗检测算法中，所述横向跨尺度查询矩阵融合鲍鱼幼苗检测算法具体为：建立模型、训练模型；所述建立模型，包括一个对输入图片进行初步特征提取的骨干网络，骨干网络从多尺度提取图片特征信息，并将信息输送到特征金字塔FPN模块，骨干网络提取的不同尺度的图片信息输送到相应层级的FPN模块中，每个层级的FPN模块对应的设置一个DGAM模块，DGAM模块进一步处理图片信息后，将处理后的信息输入到HEAD模块中进行信息处理，输出检测结果。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.02 秒)
