-
公开(公告)号：CN116681983A
公开(公告)日：2023-09-01
申请号：CN202310648368.8
申请日：2023-06-02
申请人： 中国矿业大学
IPC分类号： G06V10/82 , G06V10/80 , G06V10/77 , G06V10/774 , G06V10/24 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/08
摘要： 本发明公开了一种基于深度学习的狭长目标检测方法，涉及狭长目标检测技术领域，将测试图像输入至检测模型中，检测出图像中的目标物体，所述检测模型包括数据采集及预处理模块、狭长目标检测网络训练模块和测试图像检测框生成模块。本发明采用上述结构通过对数据预处理，得到合适大小的图像和增加训练样本，提高网络模型的泛化能力；在BackBone主干网络和Neck之间添加全局注意力机制GAM，增强网络对目标物体特征的提取能力，进而提高对目标的检测精度；引入定向边界框表示方法，进行检测框的准确回归，采用控制阈值去除生成的重复检测框，采用CIoU损失函数，获取更加精准的检测框结果。
-
公开(公告)号：CN116052218B
公开(公告)日：2023-07-18
申请号：CN202310111610.8
申请日：2023-02-13
申请人： 中国矿业大学
摘要： 本发明公开了一种行人重识别方法，包括以下步骤：A1、将query库中行人图像输入到配置好参数的行人重识别神经网路模型中，提取行人的特征图与特征嵌入；A2、将提取的行人特征与gallery库中各图像对应的特征做相似度度量，比对并输出结果。本发明采用上述行人重识别方法，基于CNN和Transformer网络结合的CoAtNet的改进加强版CoAtNet‑Pro作为骨干网络，提升了模型容量和模型学习能力，并且在没有预训练的前提下，辅以改进的三元组损失与张量空间度量函数等，展现出优秀效果与巨大潜力。
-
公开(公告)号：CN116681983B
公开(公告)日：2024-06-11
申请号：CN202310648368.8
申请日：2023-06-02
申请人： 中国矿业大学
IPC分类号： G06V10/82 , G06V10/80 , G06V10/77 , G06V10/774 , G06V10/24 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/08
摘要： 本发明公开了一种基于深度学习的狭长目标检测方法，涉及狭长目标检测技术领域，将测试图像输入至检测模型中，检测出图像中的目标物体，所述检测模型包括数据采集及预处理模块、狭长目标检测网络训练模块和测试图像检测框生成模块。本发明采用上述结构通过对数据预处理，得到合适大小的图像和增加训练样本，提高网络模型的泛化能力；在BackBone主干网络和Neck之间添加全局注意力机制GAM，增强网络对目标物体特征的提取能力，进而提高对目标的检测精度；引入定向边界框表示方法，进行检测框的准确回归，采用控制阈值去除生成的重复检测框，采用CIoU损失函数，获取更加精准的检测框结果。
-
公开(公告)号：CN115273237B
公开(公告)日：2024-01-30
申请号：CN202210915844.3
申请日：2022-08-01
申请人： 中国矿业大学
IPC分类号： G06V40/20 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/098
摘要： 本发明公开了基于集成随机配置神经网络的人体姿态与动作识别方法，基于随机配置神经网络子模型设计基学习器，并将若干个基学习器集成入识别模型中；识别模型基于装袋算法将传感器采集数据划分为若干个子数据集，每个子数据集使用一个基学习器进行识别，最后通过加权均值法对所有基学习器预测结果进行汇总，从而得到最终的识别结果。本发明采用上述人体姿态与动作识别方法，取得了与CNN模型相当的准确率，且计算复杂度和所需时间远低于单个SCN、CNN、LSTM和SVM模型，且不需要使用GPU进行训练，提高了识别效率。
-
公开(公告)号：CN116051587B
公开(公告)日：2023-08-11
申请号：CN202310107785.1
申请日：2023-02-13
申请人： 中国矿业大学
IPC分类号： G06T7/13 , G06T7/20 , G06V30/422
摘要： 本发明公开了一种用于目标检测的运动轨迹生成方法，步骤如下：提取工业件的CAD信息，获取粗略轮廓信息；自动插值补全轮廓信息；对轮廓信息做矢量信息判定；自动矢量整合轮廓封闭式排序信息，获得整个轮廓带矢量排序的坐标点信息；对轮廓绝对坐标数据整合优化并提取出相对坐标信息；辅助运动控制，使相机能够拍摄到工业件的所有清晰的局部图像并排序；获得拍摄到的工业件缺陷照片的序号，以及工业件的起止照片的序号，自动反馈缺陷的位置坐标，并绘制缺陷在整个轮廓的位置图。本发明采用上述的一种用于目标检测的运动轨迹生成方法，实现对工业件质检先导条件的高效化、高精化的处理，同时提高了工业质检的效率与精度，便于快速更换规格型号。
-
公开(公告)号：CN115273237A
公开(公告)日：2022-11-01
申请号：CN202210915844.3
申请日：2022-08-01
申请人： 中国矿业大学
摘要： 本发明公开了基于集成随机配置神经网络的人体姿态与动作识别方法，基于随机配置神经网络子模型设计基学习器，并将若干个基学习器集成入识别模型中；识别模型基于装袋算法将传感器采集数据划分为若干个子数据集，每个子数据集使用一个基学习器进行识别，最后通过加权均值法对所有基学习器预测结果进行汇总，从而得到最终的识别结果。本发明采用上述人体姿态与动作识别方法，取得了与CNN模型相当的准确率，且计算复杂度和所需时间远低于单个SCN、CNN、LSTM和SVM模型，且不需要使用GPU进行训练，提高了识别效率。
-
公开(公告)号：CN116052218A
公开(公告)日：2023-05-02
申请号：CN202310111610.8
申请日：2023-02-13
申请人： 中国矿业大学
摘要： 本发明公开了一种行人重识别方法，包括以下步骤：A1、将query库中行人图像输入到配置好参数的行人重识别神经网路模型中，提取行人的特征图与特征嵌入；A2、将提取的行人特征与gallery库中各图像对应的特征做相似度度量，比对并输出结果。本发明采用上述行人重识别方法，基于CNN和Transformer网络结合的CoAtNet的改进加强版CoAtNet‑Pro作为骨干网络，提升了模型容量和模型学习能力，并且在没有预训练的前提下，辅以改进的三元组损失与张量空间度量函数等，展现出优秀效果与巨大潜力。
-
公开(公告)号：CN116051587A
公开(公告)日：2023-05-02
申请号：CN202310107785.1
申请日：2023-02-13
申请人： 中国矿业大学
IPC分类号： G06T7/13 , G06T7/20 , G06V30/422
摘要： 本发明公开了一种用于目标检测的运动轨迹生成方法，步骤如下：提取工业件的CAD信息，获取粗略轮廓信息；自动插值补全轮廓信息；对轮廓信息做矢量信息判定；自动矢量整合轮廓封闭式排序信息，获得整个轮廓带矢量排序的坐标点信息；对轮廓绝对坐标数据整合优化并提取出相对坐标信息；辅助运动控制，使相机能够拍摄到工业件的所有清晰的局部图像并排序；获得拍摄到的工业件缺陷照片的序号，以及工业件的起止照片的序号，自动反馈缺陷的位置坐标，并绘制缺陷在整个轮廓的位置图。本发明采用上述的一种用于目标检测的运动轨迹生成方法，实现对工业件质检先导条件的高效化、高精化的处理，同时提高了工业质检的效率与精度，便于快速更换规格型号。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.025 秒)
