-
公开(公告)号：CN113158956B
公开(公告)日：2024-06-14
申请号：CN202110481897.4
申请日：2021-04-30
Applicant: 杭州电子科技大学
IPC: G06V20/40 , G06V10/25 , G06V10/774 , G06F16/951 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于改进型yolov5网络的垃圾检测与识别方法，首先，建立并标注了一个含有36类别的垃圾数据集，并使用数据分析方法分析后利用数据增强手段对整个数据集进行扩充并针对数量不足的类别进行补充。然后，基于yolov5建立目标检测网络，引入注意力机制改进骨干网络部分，新增小尺寸分支改进PaNet检测头部分。网络的bottleneckCPS模块中引入了ghost结构，并在高维度网络使用深度可分离卷积，降低了网络的参数量，最终得到了改进型yolov5网络。最后，将垃圾图片经预处理后送入改进型yolov5网络，输出检测与识别结果。本发明方法可以实现同一帧图像内多类垃圾的同时检测与识别，识别种类高达36类，并且相较于原yolov5网络提升了检测精度降低了网络参数量，具有一定的应用价值。
-
公开(公告)号：CN113158956A
公开(公告)日：2021-07-23
申请号：CN202110481897.4
申请日：2021-04-30
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于改进型yolov5网络的垃圾检测与识别方法，首先，建立并标注了一个含有36类别的垃圾数据集，并使用数据分析方法分析后利用数据增强手段对整个数据集进行扩充并针对数量不足的类别进行补充。然后，基于yolov5建立目标检测网络，引入注意力机制改进骨干网络部分，新增小尺寸分支改进PaNet检测头部分。网络的bottleneckCPS模块中引入了ghost结构，并在高维度网络使用深度可分离卷积，降低了网络的参数量，最终得到了改进型yolov5网络。最后，将垃圾图片经预处理后送入改进型yolov5网络，输出检测与识别结果。本发明方法可以实现同一帧图像内多类垃圾的同时检测与识别，识别种类高达36类，并且相较于原yolov5网络提升了检测精度降低了网络参数量，具有一定的应用价值。
-
公开(公告)号：CN113159432B
公开(公告)日：2024-06-11
申请号：CN202110468095.X
申请日：2021-04-28
Applicant: 杭州电子科技大学
IPC: G06Q10/047 , G06N3/0464 , G06N3/092
Abstract: 本发明公开了一种基于深度强化学习的多智能体路径规划方法。该方法是一种分布式的路径规划方法，将单个智能体的局部观察信息输入神经网络，利用图神经网络传递智能体间信息，训练神经网络近似策略函数，从而输出移动策略。使用深度强化学习与模仿学习相结合的方法训练神经网络参数，使得回报函数收敛更快。在训练后可实现上千智能体规模下、四邻域2D栅格地图中较高的群体路径规划成功率，即为每个智能体在时间限制内成功规划出一条从起点至终点的无碰撞路线。且对地图尺寸、障碍物密度的变化适应性较强。
-
公开(公告)号：CN113159432A
公开(公告)日：2021-07-23
申请号：CN202110468095.X
申请日：2021-04-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度强化学习的多智能体路径规划方法。该方法是一种分布式的路径规划方法，将单个智能体的局部观察信息输入神经网络，利用图神经网络传递智能体间信息，训练神经网络近似策略函数，从而输出移动策略。使用深度强化学习与模仿学习相结合的方法训练神经网络参数，使得回报函数收敛更快。在训练后可实现上千智能体规模下、四邻域2D栅格地图中较高的群体路径规划成功率，即为每个智能体在时间限制内成功规划出一条从起点至终点的无碰撞路线。且对地图尺寸、障碍物密度的变化适应性较强。
-
-
-
Search Results
4
records
(took 0.019 seconds)
