-
公开(公告)号：CN116758393A
公开(公告)日：2023-09-15
申请号：CN202310591700.1
申请日：2023-05-24
Applicant: 淮阴工学院
IPC: G06V10/82 , G06V10/40 , G06V10/80 , G06N3/0464 , G06V10/774 , G06N3/08 , G06N3/082 , G06V10/25
Abstract: 本发明公开了一种基于MPGD‑YOLO网络的火焰检测方法，适用于在复杂环境下进行快速准确的火焰检测，主要包括：将待测数据集进行数据增强，放入目标模型中，获取预测结果图像；预测结果图像包括识别的火焰数量和区域大小；目标模型是通过将训练集数据放入到MPGD‑YOLO网络模型进行带Swin Transformer V2辅助头训练得到的；训练集包括了复杂型火焰图像以及相对应的先验框；MPGD‑YOLO网络模型是从速度、小目标和精度角度出发，分别在输入层之后加入P‑GAM模块，骨干中载入MbO结构，颈部网络改为SPPCSPC‑group，头部网络加入DWMPG结构。本发明能够提高火焰检测在复杂环境下的精确度和速度。
-
公开(公告)号：CN107766323B
公开(公告)日：2021-08-31
申请号：CN201710796425.1
申请日：2017-09-06
Applicant: 淮阴工学院
IPC: G06F40/253 , G06F16/00
Abstract: 本发明公开了一种基于互信息和关联规则的文本特征提取方法，步骤为：首先以文本分词、过滤停用词以及2‑Gram方法对文本训练集预处理，其次，通过改进的互信息方法对预处理后的文本训练集计算特征值，按特征值降序排列选取前m个词，从而得到初始的文本特征集，采用FP‑Growth计算预处理后的文本训练集中词的关联规则，并以关联规则去除初始文本特征集中冗余的特征，最后，结合关联规则和One‑hot方法对每个文本向量化表示。本发明避免了文本特征间的冗余及互信息方法缺点对提取文本特征的影响。
-
-
公开(公告)号：CN102781014A
公开(公告)日：2012-11-14
申请号：CN201110119374.1
申请日：2011-05-10
Applicant: 淮阴工学院 , 扬州苏安物联传感科技有限公司
IPC: H04W24/00
CPC classification number: Y02D70/124
Abstract: 本发明公开了一种基于无线传感器网络和3G网络的智能流量监测方法，包括：数据采集模块采集不同流体介质、管径等动态变化的参数，采集的参数值通过异步传输方式传送至无线传感器网络的ZigBee无线通信模块，再传输至微处理器模块进行参数的处理和运算，最后通过3G网关传输至上位机监控中心，实现远距离流量监测、管理。本发明的优点在于采用有线与无线相结合的方式，节省了大量用于巡视、抄表的人力物力，提高了自动化程度管理水平，实现了流量监测的低功耗、低成本、自动化、网络化、智能化。
-
公开(公告)号：CN107239754B
公开(公告)日：2019-10-29
申请号：CN201710368090.3
申请日：2017-05-23
Applicant: 淮阴工学院
Abstract: 本发明公开了一种基于稀疏取样灰度分布和梯度分布特征的车标识别方法，包括：在车牌上方选取一个区域，作为车标识别的感兴趣区域；采用随机均匀稀疏采样方法对样本图像进行采样，并将所有的采样点随机配对，划分成邻近点对集和非邻近点对集，对两类不同的点对集采用不同的方法进行特征提取，建立特征库；设定一可缩放的窗口，在待测的感兴趣区域内进行扫描，对当前窗口位置上，窗口大小的图像进行特征提取，并与准备好的特征库进行对比，最终确定车标类型。与现有技术相比，本发明方法将定位和识别有机的结合在一起，降低了中间过程的误差，提高了识别率，对于噪声大、质量差、像素低的图片也有较高的识别率。
-
Patent Agency Ranking
公开(公告)号：CN106202480B
公开(公告)日：2019-06-11
申请号：CN201610565749.X
申请日：2016-07-19
Applicant: 淮阴工学院
Abstract: 本发明公开了一种基于K‑means和LDA的双向验证的网络行为习惯聚类方法，本发明利用人员上网记录中的网页属性、关键词和频数，结合K‑means算法、LDA文档主题提取模型和退火算法，先对全体人员‑标签‑频率集、人员浏览记录‑人员‑关键词集进行K‑means算法聚类和LDA文档主题提取模型生成，存储计算中间结果，之后使用退火算法将K‑means和LDA进行双向验证，计算全局最佳主题‑分类标签序列，以此为依据优化网络行为习惯聚类的结果，K‑means和LDA双向验证提高了对人员‑分类标签的敏感度，退火算法能够提高优化聚类结果的效率，进而提高聚类准确性。
-
公开(公告)号：CN106874944A
公开(公告)日：2017-06-20
申请号：CN201710054802.4
申请日：2017-01-24
Applicant: 淮阴工学院
IPC: G06K9/62
CPC classification number: G06K9/6269 , G06K9/6256 , G06K9/6267 , G06K9/6278
Abstract: 本发明公开了一种基于Bagging和离群点的分类结果置信度的度量方法，首先采用Logistic回归、支持向量机和朴素贝叶斯中的一个作为基分类器对待度量置信度数据进行分类，计算在不同分类中的分类概率得到待度量置信度数据的分类结果集和分类概率集，通过分类结果集得到待度量置信度数据的分类结果；在分类概率集中，将每个分类作为空间中一个点，以分类结果对应分类概率集中的点作为离群点，余下分类对应分类概率集中的点为一个簇，最后使用欧式距离比较簇内每个点到簇质心的距离和到离群点的距离，若满足簇内所有点到簇质心的距离小于到离群点的距离，则该分类结果为可信，反之则为不可信。本发明避免了模型再学习时因采用了不可信的分类结果对训练模型的影响。
-
-
公开(公告)号：CN119007110A
公开(公告)日：2024-11-22
申请号：CN202411107810.7
申请日：2024-08-13
Applicant: 淮阴工学院
IPC: G06V20/52 , G06V10/82 , G06V20/40 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种轻量化的火灾动态监测方法及系统，包括以下步骤：构建Star‑DETR模型，Star‑DETR模型使用自定义的StarMNet结构替换RT‑DETR的主干网络；使用改进的RMTRepC3模块替换RT‑DETR的颈部网络中的Rep模块；使用自定义的DGIoU损失函数替换RT‑DETR的损失函数；利用公开数据集VisFire训练Star‑DETR模型进行模型参数确定，最终得到改进的RT‑DETR算法的智能监测模型。与现有技术相比，本发明提出的方法在不同场景下的监测效果均得到了显著的改善，并且其监测速度满足实时性的要求，本专利公开的监测模型在火灾动态监测应用系统中取得了参数量减少46.7%和平均精度均值增长2.4%的性能提升，能够在实际场景中有效地监测火焰和烟雾。
-
公开(公告)号：CN117409357A
公开(公告)日：2024-01-16
申请号：CN202311430957.5
申请日：2023-10-31
Applicant: 淮阴工学院
Abstract: 本发明公开了一种基于可变形卷积的DCMNet‑YOLO火焰检测方法，适用于复杂环境下的火焰检测。首先使用Mish激活函数替换原本的激活函数，构建基本卷积模块CBM；其次，引入可变形卷积DCNv3，结合CBM模块，构建DCMBlock模块；然后用DCMBlock结构替换YOLOv7主干中的ELAN结构，引入CA注意力机制，加上改进的MP模块，形成DCMNet网络；最后，把DCMNet网络替换YOLOv7主干网络，在Head部分加入CA注意力机制和利用MPDCN模块替换MP模块，在检测部分引入目标检测头DyHead，最终得到DCMNet‑YOLO火焰检测模型。使用DCMNet‑YOLO模型在增强过后的火焰数据集上进行训练、验证、测试，实现对火焰的检测。与现有技术相比，本发明方法有效地提高了火焰检测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.02 seconds)
