-
公开(公告)号：CN114283275A
公开(公告)日：2022-04-05
申请号：CN202210206214.9
申请日：2022-03-04
申请人： 南昌工学院 , 湖北第二师范学院 , 华中农业大学 , 苏州嘉昀科技有限公司
IPC分类号： G06V10/22 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/08
摘要： 本发明公开了一种基于优化深度学习的多图形目标检测方法，包括以下步骤：采用标记工具对所需要识别的数据集进行标定，得到标定数据集；建立多目标检测模型；所述多目标检测模型包括选定模块和4个不同的计算模块；4个不同的计算模块分别用于预测圆形、椭圆、倾斜矩形和三角形目标；选定模块用于根据实际情况选定4个计算模块中的一个；利用标定数据集训练所述多目标检测模型，通过计算不同计算模块的iou及优化损失函数，得到训练完成的多目标检测模型；利用训练完成的多目标检测模型完成检测；有益效果是：相比于多个单独的目标检测算法，在检测速度效果上有所提升，单张图片处理速度平均缩短了18.8%，更适合用于工业和工程生产过程中。
-
公开(公告)号：CN114283275B
公开(公告)日：2022-08-16
申请号：CN202210206214.9
申请日：2022-03-04
申请人： 南昌工学院 , 湖北第二师范学院 , 华中农业大学 , 苏州嘉昀科技有限公司
IPC分类号： G06V10/22 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/08
摘要： 本发明公开了一种基于优化深度学习的多图形目标检测方法，包括以下步骤：采用标记工具对所需要识别的数据集进行标定，得到标定数据集；建立多目标检测模型；所述多目标检测模型包括选定模块和4个不同的计算模块；4个不同的计算模块分别用于预测圆形、椭圆、倾斜矩形和三角形目标；选定模块用于根据实际情况选定4个计算模块中的一个；利用标定数据集训练所述多目标检测模型，通过计算不同计算模块的iou及优化损失函数，得到训练完成的多目标检测模型；利用训练完成的多目标检测模型完成检测；有益效果是：相比于多个单独的目标检测算法，在检测速度效果上有所提升，单张图片处理速度平均缩短了18.8%，更适合用于工业和工程生产过程中。
-
公开(公告)号：CN113447029B
公开(公告)日：2021-11-16
申请号：CN202111008032.2
申请日：2021-08-31
申请人： 湖北第二师范学院 , 南昌工学院 , 武汉八维时空信息技术股份有限公司
IPC分类号： G01C21/20
摘要： 本发明提供了一种基于大型卫星地图的安全路径搜索方法，包括：获取地图并预处理，得到安全区域、障碍区域、可走区域；将起、终点坐标转换为网格坐标；判断起点终点连通性；障碍物膨胀；地图缩小；计算需要经过的安全区域；求安全区域的入口以及出口；使用JSP算法求分段路径后累加；路径放大以及调整；使用A*算法求所有的路径点；根据网格坐标转换成地理坐标。本发明的有益效果是：低空无人机飞行的时候传统方法均未考虑到起点到终点时的安全问题，本方法发掘安全区域，并让路径越多经过安全区域比直接从起点到终点更有益。算法特地增加了对全路径安全性指标的判断，于其他方法比较，路径安全性指标更高。
-
公开(公告)号：CN113447029A
公开(公告)日：2021-09-28
申请号：CN202111008032.2
申请日：2021-08-31
申请人： 湖北第二师范学院 , 南昌工学院 , 武汉八维时空信息技术股份有限公司
IPC分类号： G01C21/20
摘要： 本发明提供了一种基于大型卫星地图的安全路径搜索方法，包括：获取地图并预处理，得到安全区域、障碍区域、可走区域；将起、终点坐标转换为网格坐标；判断起点终点连通性；障碍物膨胀；地图缩小；计算需要经过的安全区域；求安全区域的入口以及出口；使用JSP算法求分段路径后累加；路径放大以及调整；使用A*算法求所有的路径点；根据网格坐标转换成地理坐标。本发明的有益效果是：低空无人机飞行的时候传统方法均未考虑到起点到终点时的安全问题，本方法发掘安全区域，并让路径越多经过安全区域比直接从起点到终点更有益。算法特地增加了对全路径安全性指标的判断，于其他方法比较，路径安全性指标更高。
-
公开(公告)号：CN113469302A
公开(公告)日：2021-10-01
申请号：CN202111036387.2
申请日：2021-09-06
申请人： 南昌工学院 , 湖北第二师范学院 , 武汉市倍奇科技有限公司
摘要： 本发明提供了一种视频图像的圆形多目标识别方法和系统，方法包括：在训练阶段，采用一种圆形框IOU计算方法来替换典型目标检测算法中的矩形框IOU测算方法、使用基于圆形框的参数建立目标识别网络模型并对模型进行迭代训练，最后对训练后的模型进行优化，形成一种新目标检测训练体系；在预测阶段，以训练阶段保存的优化权值为输入，获取待识别图像的预测结果，并对预测结果进行解码转换获得圆形预测框；通过计算圆形真实框与预测框间的CIRCLE‑IOU对圆形预测框进行筛选去噪，从而精确识别目标物体。本方法避免很多非识别对象的像素点被框入，进一步提高了识别精度。
-
公开(公告)号：CN118521775A
公开(公告)日：2024-08-20
申请号：CN202410823741.3
申请日：2024-06-25
申请人： 南昌工学院 , 江西省安友科技有限公司 , 江西铂易鸿电子有限公司
IPC分类号： G06V10/25 , B41F33/00 , G06V10/46 , G06V10/74 , G06N3/0464 , G06N3/084 , G06T7/00 , G06T7/60
摘要： 本发明涉及印刷生产系统技术领域，公开了基于YOLOv8算法的首印对版监测系统，包括：安装于印刷线上的视觉检测模块，所述视觉检测模块用于获取印刷线上印刷物体的图像数据；印刷原始稿扫描模块，用于获取原始印刷稿件图像数据，作为首印对版对比数据；印刷特征提取模块，用于识别提取印刷线上印刷物体图像数据特征点参数以及原始印刷稿件图像数据的特征点参数，所述特征点参数为形状参数，其包含中心坐标、长、宽与倾斜角度。本发明，针对印刷生产线的高生产量与高速印刷的特性，对视觉异常感知AI模型进行改进，以满足印刷生产的高效对版需求，应用印刷生产线的首印对版与后续印刷检测工作。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.07 秒)
