-
公开(公告)号：CN117765253A
公开(公告)日：2024-03-26
申请号：CN202311673939.X
申请日：2023-12-06
Applicant: 淮阴工学院
Inventor： 张澳 , 张海艳 , 王媛媛 , 王梅峰 , 李亚州 , 田海阳 , 黄佳泷 , 宋照渝 , 严少峰 , 朱俊勋 , 张兴潮 , 尹彤彤 , 何艳婷 , 谢乾 , 汪涛 , 杨文俊
Abstract: 本发明公开了一种基于改良高斯‑马尔科夫模型的图像分割方法，通过结合空间变化有限混合模型SVFMM和隐Dirichlet分布LDA进行模型初始化，创建了改进的空间约束贝叶斯网络模型。在模型初始化完成后，采用基于高斯‑马尔科夫随机场GMRF的优化算法，进一步精细化和平滑模型参数。通过求解一个特定的优化问题来实现，有效地减小了图像各区域内参数值的变化，从而提高了图像分割的准确性和鲁棒性。本发明不仅适用于各种类型的自然图像，还能够有效地处理在复杂背景、不同光照条件以及噪声干扰下的图像分割问题。本发明在多个公开数据集上都展示了优于现有方法的性能，具有广泛的应用前景和显著的技术优势。
-
公开(公告)号：CN117372890A
公开(公告)日：2024-01-09
申请号：CN202311418503.6
申请日：2023-10-27
Applicant: 淮阴工学院
IPC: G06V20/13 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08 , G06Q10/0635 , G06Q50/26
Abstract: 本发明公开了一种基于GLNet的弱云雾遥感图像火灾风险等级预测方法。所述方法包括如下步骤：收集各种遥感图像；按照火灾风险等级将收集的图像进行分类，对分类后图像使用多尺度随机噪声的和来生成弱云雾图像；对数据集进行预处理；将数据集按照比例分成训练集和测试集；构建GLNet模型，模型包含Global Encoder全局特征编码器模块、Local Encoder局部特征编码器模块与SVM分类器；对测试集中弱云雾遥感图像进行预测与验证，对比传统CNN，本发明提出的GLNet模型分类准确率更高，鲁棒性更强，自适应能力更强，能够高效的学习图像中的全局和局部的特征，为弱云雾天气下的火灾风险等级预测提供了一种高效可靠的方法。
-
公开(公告)号：CN116863418A
公开(公告)日：2023-10-10
申请号：CN202310902538.0
申请日：2023-07-21
Applicant: 淮阴工学院
Inventor： 王媛媛 , 严少峰 , 朱俊勋 , 黄佳泷 , 宋照渝 , 李亚州 , 陈秀川 , 沈俞 , 张兴潮 , 江飞龙 , 王超 , 王梅峰 , 张海艳 , 高尚兵 , 林剑楚 , 任珂 , 刘步实
IPC: G06V20/54 , G06V10/82 , G06V10/44 , G06V10/52 , G06V10/764 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于CA_MixNet的道路限行车辆种属划分方法。收集各路段车辆的图像数据进行分类并做成数据集；对数据集进行预处理；构建深度卷积网络模型，包括CA_Residual多尺度残差注意力网络模块、MixConv2d多尺度混合卷积；使用构建好的深度卷积网络模型用于学习车辆的特征和类别。与现有技术相比，本发明通过构建残差注意力网络模块，能够使网络更加关注图像中具有区分性和重要性的特征，减少了冗余信息的影响，有效的提高网络对关键特征的感知能力；通过设计CA_Residual模块和引用多尺度混合卷积，不但提高了对车辆种属的识别，还普适于各种复杂场景，为道路限行车辆的监测提供了一种可行且有效的技术路径。
-
公开(公告)号：CN116935112A
公开(公告)日：2023-10-24
申请号：CN202310874529.5
申请日：2023-07-17
Applicant: 淮阴工学院
IPC: G06V10/764 , A61B5/11 , A61B5/00 , G06V10/82 , G06V10/774 , G06T5/00 , G06V40/20 , G06V40/10
Abstract: 本发明公开了一种基于FceptionNet模型的人体体力评估方法，获取人体各种行为姿势的数据集，对数据集进行分类。使用PConv(部分卷积)对这些图片进行修复，对修复后的图像进行预处理操作；构建FceptionNet网络模型，该网络模型包括初始特征提取模块、四个Fce模块和四个Pt模块。Fce模块包括三个并联的分支；Pt模块中用深度可分离卷积代替普通卷积。对Fce和Pt模块进行堆叠，通过多次迭代训练模型得到最好的模型权重。通过人剩余体力与姿势的关联性，设定多个类别的多个阈值，若一个人处于一个状态超过该类别的阈值，则系统输出该人体力的估计值。与现有技术相比，本发明所提出的模型识别率高，结构简单，对于学生上体育课时的体力评估作为一个参考，具有很大的实际应用价值。
-
公开(公告)号：CN116453186A
公开(公告)日：2023-07-18
申请号：CN202310400564.3
申请日：2023-04-14
Applicant: 淮阴工学院
IPC: G06V40/16 , G06V10/774 , G06V10/762 , G06V10/82 , G06V10/80 , G06V10/766 , G06N3/0464 , G06N3/048 , G06N3/09
Abstract: 本发明涉及一种基于YOLOv5改进的口罩佩戴检测方法，属于目标检测领域。该方法包含以下步骤：挖掘目标图像样本数据，构建用于口罩佩戴检测的样本数据集；分析口罩佩戴检测存在的问题，针对问题对目标检测模型YOLOv5进行改进。采用K‑means++算法代替K‑means算法来获取anchor参数，优化目标锚框；添加注意力模块ACmix以及将原始YOLOv5网络颈部结构替换为加权双向特征金字塔网络(BiFPN)，优化对小目标的检测效果，提升目标检测精确度；使用结合标准卷积和深度可分离卷积并进行通道清洗的鬼影混洗卷积(GSConv)模块替换传统卷积模块，提升网络速度；引入SIoU_Loss作为基于YOLOv5改进算法损失函数的Bounding Box Regression Loss，使得损失函数平稳收敛，降低预测误差，提升回归精度。本发明算法采用改进YOLOv5检测算法不仅提升了口罩佩戴检测精确度，还改善对远距离以及密集人群处佩戴口罩小目标检测效果，降低了误检漏检情况。
-
Patent Agency Ranking
公开(公告)号：CN117292216A
公开(公告)日：2023-12-26
申请号：CN202310400563.9
申请日：2023-04-14
Applicant: 淮阴工学院
IPC: G06V10/774 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于GS_YOLOv7的火灾检测方法，包括改进了模型Backbone与Head部分，引入了Shuffle Attention Module；引入了GSConv模块；在Head层中引入VoVGSCSP module；在训练策略方面，将YOLOv7网络模型CBS模块改进为效率更高的CBF模块；将模型损失函数改为EIoU loss，一张640*640的特征图输入到网络的Backbone层，经过CBF，E‑ELAN以及MP模块后输出三张不同的特征图，将20*20*1024大小的特征图输入到Head层经过VoVGSCSP module中可提高网络的推理速度，特征图经过GSConv模块，模型可以提取更加丰富的语义信息，在特征提取后的非线性激活阶段，Funnel激活函数增强了模型的空间感知能力，引入了EIoU loss使得模型的收敛速度更快。本发明通过优化模型结构，引入新的激活函数和损失函数，提高了模型的效率和泛用性。
-
公开(公告)号：CN117275041A
公开(公告)日：2023-12-22
申请号：CN202311286008.4
申请日：2023-09-28
Applicant: 淮阴工学院
IPC: G06V40/10 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了一种基于迁移学习和改进YOLOv5电力工人安全帽佩戴检测方法，具体包含以下步骤：构建施工场景下的安全帽佩戴检测数据集A，构建电力作业场景下的安全帽佩戴检测数据集B；改进电力作业场景下安全帽佩戴检测模型YOLOv5，将YOLOv5主干网络替换为基于动态卷积ODConv的ODConv_MobileNetv2主干网络，提取小目标安全帽特征信息效率大幅上升并减少额外的计算量参数；在颈部网络结构中，添加基于跨空间学习的高效多尺度注意力EMA模块，减少参数量的同时提升小目标安全帽佩戴检测的精度；采用一种基于最小点距离的IoU损失MPDIoU作为改进YOLOv5的损失函数，本发明可以提升小样本电力作业场景数据集下的小目标安全帽佩戴检测精度，降低电力作业场景下的安全帽佩戴检测漏检和误检问题。
-
公开(公告)号：CN118429777A
公开(公告)日：2024-08-02
申请号：CN202410664340.8
申请日：2024-05-27
Applicant: 淮阴工学院
Abstract: 本发明公开一种输电线路异物检测方法，通过改进的LSKNet技术，提升主模型YOLOv8网络在复杂环境下对遮挡异物的检测能力；其次，将骨干网络的部分C2F换成本发明设计的一种并行的大卷积核结构ECLK block，通过EC block和LK block并行操作，能够有效获得更广阔空间范围的目标特征，减少特征图冗余的背景信息；在检测头部分，采用了允许卷积核具有任意数量的参数和采样形状的可变核卷积(AKConv)替换传统卷积模块，提高特征提取的准确性；提出一种新的IoU损失函数计算方法DhIoU。与现有技术相比，改进后的YOLOv8模型在输电线路异物检测方面，克服了现有技术中鲁棒性差、背景纹理遮挡导致准确率低的问题，具有结构简单、参数量更少，收敛速度更快的优点。
-
公开(公告)号：CN117611117A
公开(公告)日：2024-02-27
申请号：CN202311562471.7
申请日：2023-11-21
Applicant: 淮阴工学院
IPC: G06Q10/1053 , G06F18/243 , G06F18/2415 , G06F18/213 , G06F18/10
Abstract: 本发明公开了一种基于集成学习的虚假招聘概率预测方法，属于机器学习和数据科学技术领域。包括：首先对招聘网站进行数据采集，并使用jionnlp和Pandas对数据集进行清洗和标签化预处理，随后对结构化和非结构化的数据进行标签编码和使用TD‑IDF对数据进行特征提取，并运用Truncated SVD对TD‑IDF特征提取后产生的稀疏矩阵进行降维处理，然后利用随机森林、轻量梯度提升机和随机森林作为基模型进行模型训练，最后使用随机森林作为元模型对各基模型的预测结果进行整合，即完成虚假招聘概率预测。本发明利用多个不同模型作为输入，提高了整体模型的鲁棒性，并具有结构简单、参数量少的优点，为解决严重不平衡数据集的虚假招聘问题提供了一种更为高效和准确的算法方案。
-
公开(公告)号：CN117315319A
公开(公告)日：2023-12-29
申请号：CN202311032860.9
申请日：2023-08-16
Applicant: 淮阴工学院
IPC: G06V10/764 , G06V10/40 , G06V10/80
Abstract: 本发明公开一种基于Mobilemul模型的花卉分类方法，通过特征提取模块CB Block、深度可分离卷积模块Dwise Block以及改进的密集连接Dense模块的依次串联，来构建待训练模型。同时，结合各场景获取的样本图像，进行训练，以各场景获取样本图像为输入，将各场景获取样本图像中属于各指定目标类型的目标对象进行分类，得到目标检测分类模型。进一步应用目标检测分类模型，可以实现对各场景获取图像中各目标对象的分类检测。与现有技术相比，本发明克服了现有技术中鲁棒性差、过程复杂、检测时间较长的问题，利用Mobilemul模型架构，具有结构简单、参数量较少的优点。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.044 seconds)
