公开(公告)号：CN119399428A

公开(公告)日：2025-02-07

申请号：CN202411410070.4

申请日：2024-10-10

Applicant: 淮阴工学院

Inventor： 马甲林 ,  姚子俊 ,  陈伟 ,  王浩 ,  林俊锋 ,  丁伟国 ,  翟中豪 ,  李俊宇

IPC: G06V10/25 ,  G06V10/44 ,  G06V10/82 ,  G06V10/80 ,  G06V10/52 ,  G06N3/0455 ,  G06N3/0464 ,  G06V20/52

Abstract: 本发明公开了一种融合UniRepLKNet和AFNet的烟雾检测方法。包括：获取烟雾数据集进行预处理，将预处理后的图像数据集划分为训练集和测试集；以YOLOv8作为基础网络，引入主干网络UniRepLKNet_SCAB替换原来的backbone；加入SegNext_Attention注意力框架结构，重构neck部分，引入全新AdaptiveFusionNet(AFNet)模型结构，引入MixedAttentionContextGuidedBlock（MACGB Block）混合注意力机制改进C2f模块，以此构建烟雾目标检测模型；使用改进后的yolov8网络结构作为烟雾目标检测模型检测烟雾图像。与现有技术相比，本发明提高了对烟雾图像的检测准确率，提升网络模型的精度和性能。

公开(公告)号：CN118840691A

公开(公告)日：2024-10-25

申请号：CN202410991223.2

申请日：2024-07-23

Applicant: 淮阴工学院

Inventor： 朱全银 ,  石超楠 ,  倪天龙 ,  罗嘉辰 ,  王辰斌 ,  王颖 ,  邹京频 ,  丁伟国 ,  焦伟乐 ,  周泓

IPC: G06V20/40 ,  G06V20/52 ,  G06V10/82 ,  G06V10/774 ,  G06V10/764 ,  G06N3/0464 ,  G06V10/80 ,  G06N3/08

Abstract: 本发明公开了一种TARD电动车载人违规智能检测方法及装置，适用于电动车载人违规行为的智能检测。包括以下步骤：使用自定义模块MSF和自定义模块RMSFE，构建模型的主干网络；使用自定义模块FFM、自定义模块IPR_FFM和自定义特征聚焦扩散机制构建模型颈部Neck结构，得到自定义模型TotalAggResDiffNet，即，TARD；利用公共遥感数据集SIMD训练TARD模型进行模型参数确定。与现有神经网络模型相比，本发明提出的检测方法在保证检测速率的同时，在电动车载人监控应用中取得了4.6%的mAP50提升以及4.2%的精度提升，可应用于智慧城市建设中提升城市交通管理水平。

公开(公告)号：CN118840691B

公开(公告)日：2025-04-22

申请号：CN202410991223.2

申请日：2024-07-23

Applicant: 淮阴工学院

Inventor： 朱全银 ,  石超楠 ,  倪天龙 ,  罗嘉辰 ,  王辰斌 ,  王颖 ,  邹京频 ,  丁伟国 ,  焦伟乐 ,  周泓

IPC: G06V20/40 ,  G06V20/52 ,  G06V10/82 ,  G06V10/774 ,  G06V10/764 ,  G06N3/0464 ,  G06V10/80 ,  G06N3/08

Abstract: 本发明公开了一种TARD电动车载人违规智能检测方法及装置，适用于电动车载人违规行为的智能检测。包括以下步骤：使用自定义模块MSF和自定义模块RMSFE，构建模型的主干网络；使用自定义模块FFM、自定义模块IPR_FFM和自定义特征聚焦扩散机制构建模型颈部Neck结构，得到自定义模型TotalAggResDiffNet，即，TARD；利用公共遥感数据集SIMD训练TARD模型进行模型参数确定。与现有神经网络模型相比，本发明提出的检测方法在保证检测速率的同时，在电动车载人监控应用中取得了4.6%的mAP50提升以及4.2%的精度提升，可应用于智慧城市建设中提升城市交通管理水平。

公开(公告)号：CN119169522A

公开(公告)日：2024-12-20

申请号：CN202411192240.6

申请日：2024-08-28

Applicant: 淮阴工学院

Inventor： 马甲林 ,  林俊锋 ,  陈伟 ,  王浩 ,  丁伟国 ,  尤洪峰 ,  翟中豪 ,  汪涛

IPC: G06V20/52 ,  G06V40/10 ,  G06V10/44 ,  G06V10/52 ,  G06V10/72 ,  G06V10/75 ,  G06V10/762 ,  G06V10/774 ,  G06V10/82 ,  G06N3/044 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明提供了一种基于数据增强和图匹配的跨模态行人重识别方法，利用可见光相机和红外相机分别收集行人图像作为可见光域和红外域训练图像；将可见光域和红外域的行人图像输入到带有U‑Net结构的循环生成对抗网络进行数据增强；使用主干网络ResNet50和AGW分别提取可见光图像和红外图像的特征，并分别使用DBSCAN对其特征进行聚类；通过图匹配找出可见光‑红外的对应关系，获得匹配结果。本发明通过将图像进行数据增强并分别进行特征提取和分类，最后进行图匹配得到不同模态行人图像匹配的结果。本发明在减少模态间差异的同时还能提供更可靠的交叉模态对应。