-
公开(公告)号：CN118864418A
公开(公告)日：2024-10-29
申请号：CN202411000895.9
申请日：2024-07-25
Applicant: 淮阴工学院
IPC: G06T7/00 , G06V10/25 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 一种融合多尺度特征图的织物表面瑕疵检测方法,包括如下操作步骤：对Yolov8目标检测算法进行改进，使用改进的ECA‑C2f模块，替换原主干网络中第2、4、6、8层预设的C2f模块；使用改进的GA‑SPPF模块，替换原主干网络中的空间金字塔池化结构；在颈部Neck中，使用自定义聚焦分散模块(Focus on the dispersion module,FDM)，来聚合不同尺度的特征图；改进后的目标检测算法定义为EGA‑FDM‑Yolov8。利用公开数据集训练并确定模型参数，最终得到改进Yolov8算法的织物瑕疵智能检测装置。本发明在不增加参数量的前提下，保证检测速率的同时，提高了Yolov8算法的准确率；在织物瑕疵检测中，瑕疵识别平均准确率提高了15%，更准确地检测出具有极端宽高比的细长瑕疵，以及与背景颜色极其相近的污渍瑕疵。
-
公开(公告)号：CN118485898A
公开(公告)日：2024-08-13
申请号：CN202410544088.7
申请日：2024-05-06
Applicant: 淮阴工学院
IPC: G06V10/80 , G06V10/30 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/08 , G01B11/16 , G01S17/86
Abstract: 一种基于多模态三维点云融合的交通轨道变形检测方法，将二维图像特征提升到三维空间，并生成均匀的图像体素特征；稀疏解码器筛选实体检测对象；将体素化的点云特征与多角度捕获的图像特征进行融合，可以为跨模态特征融合提供对齐指导，增强复杂背景下的判别能力，优化跨模态特征融合过程；将深度点云数据与双目摄像图像数据结合，由点云数据表示检测目标的三维深度，图像数据表示表面纹理和色彩标准，对交通轨道进行安全检测，保证轨道行驶的安全性。本发明具有检测效率高、准确性高等优点，能够更好地满足城市交通管理的需求。
-
公开(公告)号：CN118839063A
公开(公告)日：2024-10-25
申请号：CN202410985820.4
申请日：2024-07-23
Applicant: 淮阴工学院
IPC: G06F16/9535 , G06F18/213 , G06F18/23 , G06F18/214 , G06V10/774 , G06V10/776 , G06N3/045 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06F18/25
Abstract: 一种基于模态交互学习的异构图推荐方法及装置，该方法采用异构图神经网络模型，通过同质多头注意力机制强化模态内的依赖性，并利用异质交叉注意力机制增强不同模态间的语义相关性。在数据嵌入表示阶段，多模态数据被有效转换为低维稠密向量，为后续的模态交互奠定了坚实基础。异构图的构建基于用户的历史行为序列，定义了节点和边，分别代表不同模态的特征和模态间的交互关系。通过异步更新策略，每个节点能够独立地、根据预定义的顺序聚合信息。最终，在预测阶段，模型综合用户行为和内容特征，预测用户对候选项目的兴趣，生成个性化的推荐列表。本发明提高了推荐系统准确性，能为用户提供更加精准和个性化的推荐服务，具有重要的实际应用价值。
-
公开(公告)号：CN117372996B
公开(公告)日：2024-08-20
申请号：CN202311421665.5
申请日：2023-10-31
Applicant: 淮阴工学院
IPC: G06V20/58 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N5/04
Abstract: 一种基于改进yolov5模型的交通信号灯图像检测方法，包含步骤：采用公共数据构建交通信号灯状态的检测样本数据集；搭建改进的yolov5网络模型，引入PConv和Involution卷积并加入ReLU6激活函数；在计算机端，使用改进的yolov5模型对数据集进行训练并保存；在树莓派端环境搭建配置，将改进的yolov5模型移植到树莓派中，再安装vnc服务器；在计算机端安装vncviewer应用程序，验证并访问树莓派的桌面远程操作；在树莓派端，输入含有交通信号灯的目检测图像至改进的yolov5模型，加载最优权重文件至检测模型中进行推理检测，获取待检测图像中的交通信号灯的状态。本发明不仅解决了yolov5部署在边缘设备上高延迟、低吞吐量和计算复杂度高的问题，还获得较高的帧率，使模型更轻量，更适用于嵌入式设备。
-
公开(公告)号：CN119763026A
公开(公告)日：2025-04-04
申请号：CN202411542594.9
申请日：2024-10-31
Applicant: 淮阴工学院
IPC: G06V20/52 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 一种基于多尺度和注意力特征提取的行人重识别方法，包括以下步骤：获取公开的行人重识别数据集，对数据集进行预处理；使用SAM模型对输入的行人图像进行特征提取，生成初始特征图；构建自定义的多尺度特征注意力模块MFA，对初始特征图进行多尺度特征提取和区域增强处理；对最终的行人特征与数据库中的行人特征向量进行欧氏距离计算，并按照距离的大小进行排序，将结果作为最终的输出。本发明提出的方法通过多尺度特征提取能够识别的显著行人特征，引入通道注意力机制使模型能够过滤掉复杂背景中的无关信息，能够实现过滤掉背景的噪声，得到细粒度更高的行人特征图，提高行人重识别的鲁棒性和准确性；可用于化工厂危险区域的人员识别。
-
Patent Agency Ranking
公开(公告)号：CN117032957B
公开(公告)日：2024-12-06
申请号：CN202310940537.5
申请日：2023-07-28
Applicant: 淮阴工学院
Abstract: 一种行为树驱动虚拟人的控制方法,包括步骤：步骤1：构建节点，包括虚拟人行为节点与逻辑节点；步骤2：从驱动获取用户输入的语音；步骤3：对于获取的语音对其进行识别；步骤4：处理文本信息，构建事件列表；步骤5：根据事件列表中得到的结果，构建事件集合；步骤6：构建行为树执行器；步骤7：根据行为树执行器完成对虚拟人的控制。本发明利用语音识别技术和行为树算法，把用户描述的处理行为过程自动转换成一个按照时间顺序排列的事件列表，并通过匹配虚拟人物动作指令构建行为树，再现用户描述的场景。使得用户可以通过自然语音描述所需交互的场景，而不需要手动编写复杂控制指令，从而降低了用户的学习成本和操作难度。
-
公开(公告)号：CN117032957A
公开(公告)日：2023-11-10
申请号：CN202310940537.5
申请日：2023-07-28
Applicant: 淮阴工学院
Abstract: 一种行为树驱动虚拟人的控制方法,包括步骤：步骤1：构建节点，包括虚拟人行为节点与逻辑节点；步骤2：从驱动获取用户输入的语音；步骤3：对于获取的语音对其进行识别；步骤4：处理文本信息，构建事件列表；步骤5：根据事件列表中得到的结果，构建事件集合；步骤6：构建行为树执行器；步骤7：根据行为树执行器完成对虚拟人的控制。本发明利用语音识别技术和行为树算法，把用户描述的处理行为过程自动转换成一个按照时间顺序排列的事件列表，并通过匹配虚拟人物动作指令构建行为树，再现用户描述的场景。使得用户可以通过自然语音描述所需交互的场景，而不需要手动编写复杂控制指令，从而降低了用户的学习成本和操作难度。
-
公开(公告)号：CN115829157A
公开(公告)日：2023-03-21
申请号：CN202211697456.9
申请日：2022-12-28
Applicant: 淮阴工学院
IPC: G06Q10/04 , G06Q10/0639 , G06Q50/06
Abstract: 一种基于变分模态分解和Autoformer模型的化工水质指标预测方法，对水质参数数据集和相关因素历史信息进行数据预处理，寻找平滑临界点、处理缺失值，利用变分模态分解对水质特征参数分解，然后对水质参数数据集进行建模，通过特征工程模型对相关因素历史信息数据集筛选特征，按天气季节和流量计算，并用于化工水质的理解分析，再通过序列分解单元从隐变量中逐步提取趋势项和周期项，将不同周期的相似子序列进行时延信息聚合和周期依赖性的发现。本发明方法通过提取时间序列特征，利用变分模态分解特征信息，并计算特征重要性，在化工水质时间序列预测中，结合了历史特征信息，同时加入模态信息，使得预测结果更加精确合理。
-
公开(公告)号：CN119763180A
公开(公告)日：2025-04-04
申请号：CN202411670451.6
申请日：2024-11-21
Applicant: 淮阴工学院
IPC: G06V40/20 , G06V10/42 , G06V10/44 , G06V10/764 , G06V10/774 , G06N3/045
Abstract: 一种基于轻量化模型的人员违规行为检测方法，首先采用自建的化工厂人员违规行为数据集，将该数据集划分为训练集、验证集与测试集；再基于YOLOv8的主干结构，使用自定义的轻量化模块C2f_GSBlock替换网络中的C2f模块，同时在网络中引入自定义的新型轻量化卷积PKConv替换网络中的Conv模块；并在主干网络加入自定义的GSAM注意力机制；使用自定义的FASFHead检测头替代原来的检测头，改进后的目标检测算法定义为YOLOv8s‑GPGF；接着利用训练集对改进完成的目标检测模型进行训练，根据训练结果对改进模型进行评估判断；最后利用训练好的改进模型对测试集进行测试，输出测试结果。本发明中改进后的检测模型能快速有效的准确捕捉和识别图片中的小目标，可适用于人员违规行为检测。
-
公开(公告)号：CN117372996A
公开(公告)日：2024-01-09
申请号：CN202311421665.5
申请日：2023-10-31
Applicant: 淮阴工学院
IPC: G06V20/58 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N5/04
Abstract: 一种基于改进yolov5模型的交通信号灯图像检测方法，包含步骤：采用公共数据构建交通信号灯状态的检测样本数据集；搭建改进的yolov5网络模型，引入PConv和Involution卷积并加入ReLU6激活函数；在计算机端，使用改进的yolov5模型对数据集进行训练并保存；在树莓派端环境搭建配置，将改进的yolov5模型移植到树莓派中，再安装vnc服务器；在计算机端安装vncviewer应用程序，验证并访问树莓派的桌面远程操作；在树莓派端，输入含有交通信号灯的目检测图像至改进的yolov5模型，加载最优权重文件至检测模型中进行推理检测，获取待检测图像中的交通信号灯的状态。本发明不仅解决了yolov5部署在边缘设备上高延迟、低吞吐量和计算复杂度高的问题，还获得较高的帧率，使模型更轻量，更适用于嵌入式设备。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.019 seconds)
