公开(公告)号：CN116844139A

公开(公告)日：2023-10-03

申请号：CN202310626045.9

申请日：2023-05-31

Applicant: 桂林理工大学

Inventor： 叶恒舟 ,  吴佑 ,  李水旺

IPC: G06V20/60 ,  G06V10/764 ,  G06V10/82 ,  G06V10/774 ,  G06V10/776 ,  G06N3/0464 ,  G06N3/082

Abstract: 本发明公开了一种基于I‑YOLOF的透明容器液体含量检测方法，涉及透明容器液体含量识别技术领域。采集透明容器图片，按照空瓶子、少水、半水、多水和满水5种类别对图片进行标注，并将采集到的数据集划分为训练集和测试集，使用训练集训练I‑YOLOF模型，使用测试集测试模型效果，最终得到可用于检测透明容器液体含量的I‑YOLOF模型。I‑YOLOF网络模型是YOLOF的变体，改进方法为：主干网络使用ResNet50进行特征提取；解码器引入一个新的头部分支用于预测液体含量，它与用于容器分类的分支并行，且使用了一个三元组注意力模块。本发明通过设计与训练I‑YOLOF模型，可在检测透明容器的基础上快速、精准识别透明容器内的液体含量类别。

公开(公告)号：CN118366063A

公开(公告)日：2024-07-19

申请号：CN202410445965.5

申请日：2024-04-15

Applicant: 桂林理工大学

Inventor： 李水旺 ,  吴佑 ,  叶恒舟 ,  杨向阳 ,  王鑫喆 ,  聊雅欣

IPC: G06V20/17 ,  G06V10/764 ,  G06V10/82 ,  G06V10/32 ,  G06N3/0455 ,  G06N3/09

Abstract: 本发明公开了一种基于学习运动模糊鲁棒ViT无人机跟踪方法，具体涉及无人机跟踪技术领域。该框架由主干网络和预测头两个部分组成。主干网络采用DeiT‑Tiny的轻量级网络，通过最小化原始模板的特征表示与经过运动模糊处理的模糊模板之间的均方误差来增强目标特征表示相对于运动模糊的不变性，从而使得ViT能够学习到运动模糊鲁棒的特征表示。预测头部包括三个分支，分别用于预测分类得分、预测采样量化误差和预测归一化边界框大小。在当前主流的目标跟踪数据集上进行训练，得到了无人机跟踪模型，然后在现有的具有挑战性的无人机测试基准上进行测试。实验结果表明本发明所提出的跟踪算法能够有效地适应无人机需要跟踪快速移动目标所引起的运动模糊场景。