-
公开(公告)号：CN115272987A
公开(公告)日：2022-11-01
申请号：CN202210794742.0
申请日：2022-07-07
Applicant: 淮阴工学院
Abstract: 本发明公开了一种基于MSA‑Yolov5的恶劣天气下车辆检测方法及装置，首先，将DAWN数据集划分为训练集与测试集，并进行预处理；其次，构建MSA‑Yolov5模型，包括Backbone模块、Neck模块以及Prediction模块；其中Backbone模块为MSA‑ResBlock，包括Focus网络、SCBAM模块和ResBlock模块；首先用SCBAM模块对恶劣天气下，模糊场景中的车辆、行人目标进行特征强化；然后通过多尺度特征融合，使用GIoU算法作为边界框损失函数，使用FocalLoss降低预测框内正负样本的不平衡问题；最后检测出恶劣天气下车辆、行人的位置信息和标签信息，并得出检测的精确度。本发明具有图像校正的计算量减小、检测流程精简、网络的识别精度高的特点，可以对恶劣天气下的车辆、行人进行检测，并且具有检测速度快、模型小、准确率高的优点。
-
公开(公告)号：CN114973005A
公开(公告)日：2022-08-30
申请号：CN202210740190.5
申请日：2022-06-28
Abstract: 本发明公开了一种基于RePMMS‑Net的绿豆叶斑病识别方法，预先获取绿豆叶斑病图像，通过人工标注制作绿豆叶斑病数据集；构建并行多分支多尺度卷积核模块PMMS，并重复使用PMMS模块，进行特征重复学习，得到最终图像的特征向量；将图像的特征向量输入全局平均池化层，输出最终的特征向量作为softmax分类器的输入；构建softmax分类器，将输入的特征向量转化为关于类别的概率向量输出；构建RePMMS‑Net网络模型，并训练该网络，即通过不断迭代前向传播过程、反向传播过程优化网络的参数；使用训练好的RePMMS‑Net网络模型对测试图像中的目标进行识别。本发明提出的病斑识别模型，能充分挖掘图像中的特征；增强了模型的适应性，提高了分类精度，具有良好的泛化性能和较好的鲁棒性。
-
公开(公告)号：CN119399521A
公开(公告)日：2025-02-07
申请号：CN202411431697.8
申请日：2024-10-14
Applicant: 淮阴工学院 , 江苏中航际项目管理有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种融合FRN与Long‑CLIP模型的少样本细粒度分类方法，收集细粒度图像数据，制作数据集；搭建FRN与Long‑CLIP网络模型；训练FRN网络模型，保存训练过程中的FRN网络模型最优参数，将其文件命名为best.pth；输入预处理好的待检测图像至训练后的FRN网络模型，同时图片输入到Long‑CLIP网络模型中获取其预测结果，将二者的预测结果加权求和。与现有技术相比，本发明采用FRN的特征图进行深度重构去替换传统使用相似度平均来聚合类别的方法，并且在FRN网络中引入ECA注意力机制，提升模型对关键特征的提取能力，以生成更为精细和准确的预测结果；融合FRN与Long‑CLIP模型，在多个少样本细粒度分类任务上均取得了良好的效果。
-
公开(公告)号：CN119377875A
公开(公告)日：2025-01-28
申请号：CN202411276509.9
申请日：2024-09-12
Applicant: 淮阴工学院
IPC: G06F18/25 , G06F18/213 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于锚点的多模态轨迹预测方法；属于自动驾驶技术领域，其操作步骤：首先对预采集轨迹数据集进行预处理，通过在轨道线上采样得到候选锚点；随后，构建MGT网络架构，在融合了图神经网络技术后，实现了轨迹特征之间的交互与车道特征之间的融合，MGT采用了内嵌层次化设计，层次化结构首先通过轨迹间的内在依赖关系初步优化锚点位置，进一步，结合API获取的轨迹周围环境信息，将环境特征和周围交通动态的潜在影响融合到锚点位置特征；最终，利用解码器对优化后的锚点进行解码处理，并设计一个拟合函数从而得到完整的预测轨迹坐标。MGT网络中多种因素被充分考虑，循序渐进地优化锚点坐标，显著提升了预测的可信度与准确性。
-
公开(公告)号：CN119003775A
公开(公告)日：2024-11-22
申请号：CN202411107468.0
申请日：2024-08-13
Applicant: 淮阴工学院
IPC: G06F16/35 , G06F16/36 , G06N3/0442 , G06N3/0455 , G06N3/084 , G06F40/30
Abstract: 本发明公开了一种基于提示学习中关系抽取的医疗文本分类方法，包括提示模版的构建以及LM‑bert模型的改进，提示模版构建时加入了三个不同掩码，将第一掩码和第三掩码的实体设置为名词，将第二掩码的实体设置为介词，并且第一掩码和第三掩码存在关系语义；LM‑bert模型改进为添加与词嵌入分支并行的字嵌入分支，RoBERTa输出词向量和字向量，其中字向量经过一层LSTM训练后得到字在该句中更为丰富的语义信息，然后通过多头注意力机制与词嵌入相加后输出给分类器。本发明通过在掩码间建立语义关系以及词嵌入和字嵌入的结合，能够捕捉更为复杂的语义关系和上下文信息，提升分类准确性。
-
Patent Agency Ranking
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：CN115081439B
公开(公告)日：2024-02-27
申请号：CN202210778327.6
申请日：2022-07-01
Applicant: 淮阴工学院
IPC: G06F40/284 , G06F40/242 , G06F18/2415 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于多特征自适应增强的化学药品分类方法及系统，该方法在模型方面，首先使用Pos‑Embed模块对样本进行字编码和位置编码；再通过特征提取模块提取全局特征，对特定的化学药品特征，使用特征增强模块进行特征提取；最后，将特征提取模块和特征增强模块的结果进行融合；特征提取模块使用过程特征增强和过程特征交互，特征增强模块使用自适应特征个数的长短文本模块，两个过程特征模块和长短文本模型可以根据需要替换，有较高的自由度和灵活度；使用多个卷积来达到加速文本分类和更好的特征融合效果，使用Transformer的Attention机制和CNN相结合，弥补单纯使用CNN无法处理全局和长序列信息的缺点，可有效的兼顾全局性和局部性。
-
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。
-
公开(公告)号：CN116423521A
公开(公告)日：2023-07-14
申请号：CN202310567176.4
申请日：2023-05-19
Applicant: 淮阴工学院
Abstract: 本发明公开了一种菇篮搬运机器人系统及搬运方法，本蘑菇搬运机器人系统包括菇篮搬运机器人底盘、升降模块、采集模块及辅助装置，其中底盘包括主控模块、定位导航模块、数据处理模块和通讯模块；升降模块包括电机、超声波传感器和相机；采集模块设有三个任务区；辅助装置包括地面辅助线、地面辅助二维码、菇篮中心标签及地面中心标签。菇篮搬运机器人通过通讯模块获取采集模块的状态信息，采用获取数据模块的解析数据和定位导航模块的采样数据进行对应路段的直线修正和曲线修正的方式进行定位和航迹修正，配合通讯模块接收的信息以及控制升降模块精确感知周围环境、识别菇篮位置和状态对菇篮进行码放。
-
公开(公告)号：CN116386013A
公开(公告)日：2023-07-04
申请号：CN202310327493.9
申请日：2023-03-30
Applicant: 淮阴工学院
IPC: G06V20/59 , G06V10/764 , G06V10/82 , G06N3/0475 , G06N3/094 , G06N3/096 , G06N3/0464 , G06V10/80
Abstract: 本发明公开了一种基于生成对抗网络与知识图表蒸馏的分心驾驶检测方法，本发明首先构建GAN模型：生成器网络为改进的MobileNet和判别器网络为yolov5；然后利用教师模型进行知识图表蒸馏：将yolov5的输出作为判别器网络的输出，并将其作为生成器网络的目标输出；生成器网络将通过知识蒸馏的方式来学习判别器网络的输出，以帮助生成器更好地学习生成逼真的样本，同时，学生网络也做目标检测，并提高检测的准确率；在训练过程中，将生成器网络的输出与目标输出进行比较，并使用反向传播算法对生成器网络和判别器网络进行优化。本发明中在StateFarmDistractedDriverDetection数据集上测试，准确率提升了9.7％，可以有效检测出驾驶员分心驾驶状态，提高了驾驶安全性。
-
-
-
-
-
-
-
-
-
Search Results
111
records
(took 0.225 seconds)
