公开(公告)号：CN119049024A

公开(公告)日：2024-11-29

申请号：CN202411116441.8

申请日：2024-08-14

Applicant: 桂林理工大学

Inventor： 刘效勇 ,  朱艺敏 ,  卢佩 ,  卢熙 ,  邱斌

IPC: G06V20/60 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开一种基于YOLOv7‑SV的农作物害虫幼虫检测方法，涉及目标检测技术领域。包括如下步骤：1）对不同农作物害虫幼虫图像进行分类和标注，构建数据集；2）将数据集划分为训练集和测试集；3）构建YOLOv7‑SV网络模型：构建SGNet轻量级网络，将其作为YOLOv7骨干网络，用VoVGSCSP替换头部E‑ELAN模块，并基于MPDIoU优化损失函数；4）训练YOLOV7‑SV模型，得到最优模型权重；5）加载最优模型权重，输入农作物害虫幼虫图像，得到最终检测结果。本发明所构建的网络模型能有效减少参数量和计算量，实现更快的收敛速度和更准确的回归结果，为农作物害虫幼虫的检测提供有效技术方案。

公开(公告)号：CN117037109A

公开(公告)日：2023-11-10

申请号：CN202310806031.5

申请日：2023-07-03

Applicant: 桂林理工大学

Inventor： 卢熙 ,  张淑媚 ,  吕嘉迪

IPC: G06V20/58 ,  G06V10/25 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及计算机视觉领域、具体涉及一种YOLOv5的交通目标检测方法。S1：采集交通标志图像并对图像进行预处理；S2：构建基于改进YOLOv5的交通目标检测模型；S3：优化损失函数；S4：训练构建的改进YOLOv5交通目标检测模型；S5：对训练模型进行性能评估。本发明提供的一种基于YOLOv5的交通目标检测方法，可以通过改进后的YOLOv5模型对采集的交通目标数据集进行训练和测试，评估模型性能，得到更高的检测准确率。本发明通过图像增强处理，可以有效的增强模型的泛化性。通过CA注意力模块，提升对于小目标的检测精度。通过Ghost卷积较少参数量，精而提升检测速度。通过使用CIOU和soft‑NMS提升检测精度。

公开(公告)号：CN116863334A

公开(公告)日：2023-10-10

申请号：CN202310806022.6

申请日：2023-07-03

Applicant: 桂林理工大学

Inventor： 卢熙 ,  张淑媚 ,  吕嘉迪

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及计算机视觉领域、具体涉及一种基于改进Resnet101模型的农作物病害识别方法。包括以下5个步骤：S1：数据集获取以及划分。S2：图像预处理。S3:神经网络搭建。S4：对神经网络进行训练。S5：农作物病害识别。本发明通过图像增强处理，可以有效的扩充原始数据集，防止因数据集过小造成过拟合。通过SA‑Net注意力模块，让神经网络更加关注某些具有辨别性的特征。通过L2正则化避免了过拟合现象。

公开(公告)号：CN115761709A

公开(公告)日：2023-03-07

申请号：CN202211339901.4

申请日：2022-10-28

Applicant: 桂林理工大学

Inventor： 卢熙 ,  井煜 ,  张淑媚

IPC: G06V20/60 ,  G06V10/82 ,  G06V10/774 ,  G06V10/34 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明涉及计算机视觉领域、具体涉及一种基于改进Resnet神经网络的中药材识别方法。包括以下5个步骤：S1：数据集划分。S2：图像预处理。S3:神经网络搭建。S4：对神经网络进行训练。S5：中药材识别。本发明通过图像增强处理，可以有效的扩充原始数据集，防止因数据集过小造成过拟合。通过CBAM注意力模块，让神经网络更加关注某些具有辨别性的特征。通过L2正则化避免了过拟合现象，使用了可以自动调整学习率的Adam优化器，使用了加权交叉熵损失函数有效的改进样本类别不平衡下的网络学习效果。

公开(公告)号：CN115661628A

公开(公告)日：2023-01-31

申请号：CN202211339303.7

申请日：2022-10-28

Applicant: 桂林理工大学

Inventor： 卢熙 ,  井煜 ,  张淑媚

IPC: G06V20/05 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于改进YOLOv5S模型的鱼类检测方法，包括：收集鱼类图像数据集；对所述数据集进行数据增强处理；对YOLOv5s神经网络进行改进；包括(1)在C3模块中添加SE注意力模块。(2)使用深度可分离卷积代替CSP中的基础卷积操作。(3)将原始YOLOv5中边框损失函数由完全交并比损失函数(CIOU)更改为有效交并比损失函数(EIOU)；在对数据集进行标注处理后将其送入改进后的YOLOv5s神经网络进行训练后再进行测试。本发明可以实现鱼类的检测以及识别，可以更好的保护海洋鱼类资源，促进鱼类资源的健康可持续发展；并且可以为海洋其他生物的监测以及识别提供借鉴方案。

公开(公告)号：CN119204157A

公开(公告)日：2024-12-27

申请号：CN202411213606.3

申请日：2024-08-30

Applicant: 桂林理工大学

Inventor： 卢佩 ,  陈现洋 ,  刘效勇 ,  卢熙 ,  邱斌

IPC: G06N3/094 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0895 ,  G06N3/096

Abstract: 本发明公开了一种基于重构数据和替代模型的对抗攻击方法，包括如下步骤：1）构建生成模型：提升生成模型的性能；2)选取替代模型；3）随机噪声与伪标签的生成与初始化；4）构建更新生成模型的损失函数：将交叉熵损失函数和信息熵损失函数相结合构建新的组合损失函数；5）构建蒸馏过程损失函数：将蒸馏损失函数和边界损失函数相结合构建B‑D组合损失函数；6)协同替代模型训练生成模型；7）协同生成模型对替代模型进行知识蒸馏训练；8)生成模型和替代模型协同迭代更新；9）对目标模型进行攻击。本发明能够有效的提升重构数据的质量，以较低的查询成本更好的提升对抗攻击的成功率，为对抗攻击、模型安全性评估等领域提供有效方案。