-
公开(公告)号：CN110706235B
公开(公告)日：2023-05-23
申请号：CN201910812839.8
申请日：2019-08-30
Applicant: 华南农业大学
IPC: G06T7/11 , G06T7/136 , G06T7/187 , G06V10/764
Abstract: 本发明公开了一种基于双级级联分割的远红外行人检测方法，本发明采用中值滤波和拉普拉斯积分的预处理可以使得图像的轮廓加强；基于图模型的快速图像分割方法可以将图像中具有相近亮度的区域进行合并，从而可以列举出图像中可能存在物体的各局部区域；双阈值法和基于图模型的快速图像分割方法的联用可以使得分割结果更加的准确；基于先验知识层级合并的候选区域列举根据人体成像的特点，对人体区域优先进行合并，提高感兴趣区域的准确率，采用聚合通道特征和高低频红外图像有效的提高了系统的鲁棒性和实时性，二级级联分类器的使用使得分类结果更加的准确。
-
公开(公告)号：CN114926456A
公开(公告)日：2022-08-19
申请号：CN202210669222.7
申请日：2022-06-14
Applicant: 华南农业大学
IPC: G06T7/00 , G06V10/25 , G06V10/26 , G06V10/28 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种半自动标注和改进深度学习的铁轨异物检测方法，包括：基于热红外人体分割结果，半自动标注数据集；针对铁轨户外全天候环境，对ResNet 50神经网络进行改进完成对不同环境场景的识别；根据场景识别的结果，对YOLOv5神经网络进行改进，识别铁轨异物；对图片进行铁轨轮廓提取，结合异物位置，设计了针对铁轨异物入侵的报警策略，进行分等级的报警判断。通过引入深度学习的场景分类结合改进的目标识别网络，本发明提高了不同环境场景下的铁轨异物识别的效果，提升了对异物入侵铁轨报警的精准度，结合科学的报警策略，降低了异物入侵铁轨造成列车事故的可能性。
-
公开(公告)号：CN114387484A
公开(公告)日：2022-04-22
申请号：CN202210026630.0
申请日：2022-01-11
Applicant: 华南农业大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08 , G06V40/16 , G06V20/40 , G06V20/52 , G06K9/62
Abstract: 本发明公开了一种基于yolov4改进的口罩佩戴检测方法，针对三个方面进行改进，实现了对口罩的实时鲁棒检测；首先，在数据预处理过程中，利用椒盐噪声以及修改的对数函数相结合对初始图像进行数据增强操作；然后在主干(BackBone)中对CBM(Conv+BN+Mish)，CBL(Conv+BN+Leaky relu)组件将原本的激活函数mish()函数替换为三段式分段激活函数；最后，对存在于YOLOv4中主干和检测器的激活函数mish进行改进，利用支持向量机函数代替原类别损失中的二元交叉熵损失函数；本发明改善了YOLOv4算法的效率，提升了对暗光环境的检测准确性，降低了过拟合。
-
公开(公告)号：CN110706235A
公开(公告)日：2020-01-17
申请号：CN201910812839.8
申请日：2019-08-30
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于双级级联分割的远红外行人检测方法，本发明采用中值滤波和拉普拉斯积分的预处理可以使得图像的轮廓加强；基于图模型的快速图像分割方法可以将图像中具有相近亮度的区域进行合并，从而可以列举出图像中可能存在物体的各局部区域；双阈值法和基于图模型的快速图像分割方法的联用可以使得分割结果更加的准确；基于先验知识层级合并的候选区域列举根据人体成像的特点，对人体区域优先进行合并，提高感兴趣区域的准确率，采用聚合通道特征和高低频红外图像有效的提高了系统的鲁棒性和实时性，二级级联分类器的使用使得分类结果更加的准确。
-
公开(公告)号：CN108062355A
公开(公告)日：2018-05-22
申请号：CN201711179719.6
申请日：2017-11-23
Applicant: 华南农业大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于伪反馈与TF‑IDF的查询词扩展方法，该方法主要通过科学的查询约束词选取，通过本发明提出的两次筛选得到最终可用来做查询词扩展的词，然后通过本发明提出的打分公式为文档进行打分和排序操作。本发明的特色在于提出了一种新的查询约束词选取方式以及候选词的选取方式，并做了两次筛选操作去除无关词。还结合了传统的BM25打分公式，发明一个新的专为查询词扩展的新打分公式，能够更加科学的将查询词扩展后的结果文档进行打分，从而得出更科学的搜索排序结果。
-
Patent Agency Ranking
公开(公告)号：CN119919771A
公开(公告)日：2025-05-02
申请号：CN202510001111.2
申请日：2025-01-02
Applicant: 华南农业大学
IPC: G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/045 , G06V10/80 , G06V20/70
Abstract: 本发明公开了一种基于热红外识别的路面开放场景目标检测方法，该方法通过采集热红外行车记录仪前向视角场景的图像样本，通过半自动标注工具和RectLabel标注工具完成图像的标注，并采用数据增广技术获取多样化的训练样本；改进YOLOv8s中颈部的C2f模块，并引入改进的SimAM注意力机制层；设计YOLOv8s的颈部网络结构和主干网络特征提取网络，以及改进主干网络中的SPPF模块；改进YOLOv8s的头部网络，增加解耦合微小目标检测头，并在头部引入改进的SE注意力机制层。该方法显著提升了在复杂路面环境下的目标检测性能，特别是在应对光照变化、车辆灯光影响以及不同类型车辆的多样性等挑战性条件下，实现了目标检测任务的高鲁棒性、准确率和效率。
-
公开(公告)号：CN119478517A
公开(公告)日：2025-02-18
申请号：CN202411576405.X
申请日：2024-11-06
Applicant: 华南农业大学
IPC: G06V10/764 , G06V10/82 , G06V10/80 , G06V10/40 , G06V10/54 , G06V10/77 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/082 , G06N3/084
Abstract: 本发明公开一种基于深度学习的复杂条件下杂草目标识别方法，该方法首先对数据集通过LabelMe软件完成半自动标注后借助CVAT，即ComputerVisionAnnotation Tool，进行手动标注；然后，改进CoatNet检测网络的Transformer架构，在DCMHA中引入高斯噪声检测层，并引入Dropout正则化技术，提高计算效率；进一步，改进Coatnet网络结构并加深网络层次以提高网络对复杂目标的特征提取能力；再此基础上，设计非对称平滑焦点损失函数，即Asymmetric SmoothedFocal Loss函数，将交叉熵函数换为焦点损失函数，即Focal Loss函数，引入标签平滑策略和非对称性；最后，将原始视频图像输入训练所得的深度网络，得到最终杂草识别的结果。该方法增强细节信息的表达能力，对于复杂条件下杂草目标识别任务有更强的鲁棒性。
-
公开(公告)号：CN118486086A
公开(公告)日：2024-08-13
申请号：CN202410712696.4
申请日：2024-06-04
Applicant: 华南农业大学
IPC: G06V40/20 , G06V20/40 , G06V10/44 , G06V10/42 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/048
Abstract: 本发明公开了一种基于TR‑SlowFast的人体跌倒检测方法，该方法包括：通过摄像头获取含跌倒行为的可见光视频数据，对图像帧进行数据增强、剪裁和抽帧；将预处理得到的图像帧序列输入到由SlowFast修改得到的TR‑SlowFast网络中获得跌倒检测结果。TR‑SlowFast网络模型具体指将SlowFast网络的fast支路的ResNet模块替换为F‑Res2Net模块，F‑Res2Net改进了Res2Net对于分组特征的处理方式，使用跳跃连接实现fast支路的不同模块的连接，在每个F‑Res2Net模块之后增加CA注意力模块，在最后一个CA注意力模块之后增加通道混洗模块；将slow支路的ResNet模块替换为S‑GhostNet模块，其中S‑GhostNet为通过特征融合和增加EGC注意力模块修改GhostNet所得，EGC注意力模块为修改的GC注意力模块。
-
公开(公告)号：CN117557327A
公开(公告)日：2024-02-13
申请号：CN202311022587.1
申请日：2023-08-14
Applicant: 华南农业大学
IPC: G06Q30/0601 , G06F16/9535 , G06F16/9536 , G06N3/0464 , G06N3/08 , G06F18/21 , G06F18/214 , G06N20/00
Abstract: 本发明公开了一种基于改进图卷积神经网络的物品推荐方法，包括：1)采集用于推荐的用户‑物品交互数据集，并将其转化为原子文件；2)利用原子文件构建用户‑物品二部图，将用户‑物品二部图输送到改进图卷积神经网络进行参数学习，得到一个能够用于推荐的最优网络；3)通过最优网络即可为用户‑物品二部图中的任意用户推荐其可能感兴趣的物品，即将一个待推荐的用户‑物品二部图输入到该最优网络中，就会准确给出所有用户的推荐列表。本发明鲁棒性更强，推荐结果更稳定和准确，同时明确挖掘了用户和物品在用户‑物品二部图上的邻居信息，通过整合用户‑物品二部图上丰富的邻域信息，丰富了用户和物品节点的邻域关系，使得网络的推荐性能得到了进一步的提升。
-
公开(公告)号：CN117253154B
公开(公告)日：2024-02-13
申请号：CN202311434817.5
申请日：2023-11-01
Applicant: 华南农业大学
IPC: G06V20/10 , G06V10/20 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于深度学习的集装箱弱小序列号目标检测识别方法，该方法对数据集通过PPOCRLabel完成半自动标注和LabelImage进行手动标注并进行Mosaic‑6数据增强获得丰富的训练样本；加入替代YOLOv5s中CSP模块的Swin‑Transformer编码器改进特征提取，引入深度可分离卷积层，提取更为充分的全局上下文特征；改进YOLOv5s中颈部网络模块的特征融合网络，并将颈部网络的Upsample层改为CARAFE，提升对微小尺度特征映射的融合能力；增加微小尺度检测头Transformer Prediction Head，引入BiFormer注意力机制层，针对性增强细粒度的细节；将损失函数CIOU LOSS换为EIOU LOSS，稳定模型的权重集。该方法增强了对于自然场景下的矩形文本框弱小目标检测识别能力，对于集装箱弱小序列号目标检测识别任务有更强的鲁棒性、准确率和效率。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.023 seconds)
