公开(公告)号：CN118982843A

公开(公告)日：2024-11-19

申请号：CN202411062312.5

申请日：2024-08-05

Applicant: 华南农业大学

Inventor： 王国华 ,  王勋 ,  陈斯洁 ,  郑永森 ,  邓丽诗 ,  吴贤栋

IPC: G06V40/10 ,  G06V10/26 ,  G06T5/50 ,  G06V10/764 ,  G06V10/774 ,  G06T5/77 ,  G06T3/4007 ,  G06N3/048 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开一种基于深度学习的轻量型恶劣环境下行人检测方法，该方法包括以下步骤：(1)采集复杂道路场景下的多模态数据进行预处理和标注；(2)通过DIVFusion对采集的多模态数据进行融合以得到融合数据；(3)对融合数据进行曝光校正与降噪；(4)改进YOLO‑MS检测网络；(5)利用训练出的改进YOLO‑MS检测模型完成行人检测；该方法采用可见光与红外融合的技术，设计了语义分割模块、降噪模块和轻量型的检测模块，对于恶劣环境下的行人检测有较大的提升，尤其是对于黑暗环境和如雨、雪、雾等复杂环境下的行人检测。

公开(公告)号：CN119107484A

公开(公告)日：2024-12-10

申请号：CN202411062384.X

申请日：2024-08-05

Applicant: 华南农业大学

Inventor： 王国华 ,  王勋 ,  陈斯洁 ,  郑永森 ,  吴嘉东 ,  林明涛

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/74 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明设计了一种基于深度学习的零样本图像目标检测方法，属于基于大模型的图像目标检测领域。本发明设计的视觉语言模型包含RO‑Yolo‑Backbone、HWD‑RepVL‑PAN、MCJ‑Text Contrastive Head和回归边界框目标检测模块，通过对卷积核参数共享、感受野范围的优化，增强特征提取能力，利用小波变换减少下采样纹理损失，引入多距离公式弱化类内差异和增强类间差异，旨在有效提升大数据时代下的零样本图像目标检测能力。