-
公开(公告)号：CN118298277A
公开(公告)日：2024-07-05
申请号：CN202410408189.1
申请日：2024-04-07
申请人： 淮阴工学院
IPC分类号： G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/09
摘要： 本发明公开了一种MSCM卷积神经网络检测方法。包括建立MSCM模块，MSCM模块包括多个顺次相接的卷积层，多个卷积层依次排列为第一卷积层和多个次卷积层；在MSCM模块内部交互时，第一卷积层的输入来自第一CBS块，每个次卷积层的输入来自上一卷积层，全部卷积层的输出合并后输入第二CBS块；在MSCM模块与外部交互时，由第一CBS块接收输入图像，由第二CBS块产生输出图像；基于YOLO算法将MSCM模块、辅助检测头结合建立检测模型，待检测图像经过所述检测模型处理后，识别出检测目标；其中，检测模型依次包括骨干网络、颈部网络和头部网络；若干个MSCM模块分布于骨干网络与颈部网络中；若干个辅助检测头分布于头部网络中。本发明具有鲁棒性强、准确性高、结构简单的特点。
-
公开(公告)号：CN118038555A
公开(公告)日：2024-05-14
申请号：CN202410226816.X
申请日：2024-02-29
申请人： 淮阴工学院
IPC分类号： G06V40/20 , G06V20/52 , G06V10/82 , G06V10/774 , G06V10/25 , G06V10/80 , G06V10/764 , G06V10/766 , G06V10/52 , G06N3/0464 , G06N3/0495 , G06N3/08
摘要： 本发明公开了一种基于改进YOLOv8的化工企业人员的危险行为检测方法，采用数据增强方法对自制危险行为数据集进行增强，并将数据集划分为训练集，测试集和验证集；构建基于改进YOLOv8的危险行为检测模型，在YOLOv8模型的主干和颈部部分引入通过组内点卷积残差模块IPCR和增强自适应层聚合模块EALA构成的CSP_EALA模块；在颈部引入组内点卷积空间金字塔池化IPSPP模块替换原始YOLOv8网络的SPPF模块；在Neck部分引入双卷积挤压激励网络；将训练集输入到危险行为检测模型进行训练；将待检测的危险行为图片输入训练后的危险行为检测模型，输出最终检测结果。本发明相较于原YOLOv8模型检测精度有所提升，有效提高了模型的检测效果、鲁棒性和泛化性能，为化工业领域的危险行为检测提供了有力支持。
-
公开(公告)号：CN118608478A
公开(公告)日：2024-09-06
申请号：CN202410711845.5
申请日：2024-06-04
IPC分类号： G06T7/00 , G06V10/80 , G06V10/771 , G06V10/764 , G06V10/82 , G06N3/0464
摘要： 本发明公开了一种基于深度学习的内窥镜息肉图像检测方法，包括如下步骤：(1)对已获取到数据集命名为Polyp Dataset，对其进行预处理，得到处理后的数据集划分为四个类别；(2)搭建改进的YOLOv5模型即在颈部网络部分引入ASFF结构；(3)在特征预测头部的每个阶段引入动态卷积模块；(4)利用搭建好的模型在训练集上进行训练并在测试集上进行验证，实现对结直肠息肉的预测。
-
公开(公告)号：CN118038383A
公开(公告)日：2024-05-14
申请号：CN202410226812.1
申请日：2024-02-29
申请人： 淮阴工学院
IPC分类号： G06V20/54 , G06V10/774 , G06V10/82 , G06V10/40 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于CSSN结构和ESPPF的危化品车辆检测方法、装置及介质，所述方法包括获取交通道路场景中包含危化品各种车辆的图片，对车辆进行标注划分；在YOLOv8的基础上引入CSSN结构和ESPPF模块构建成危化品车辆检测模型搭建模型；其中CSSN结构是将骨干网络中的特征提取模块经过多次上采样以及跨阶段链接拼接到颈部网络中，综合利用不同阶段的特征信息，形成具有丰富语义信息的特征图；ESPPF模块指优化型的快速空间金字塔池化模块，提取更加丰富的危化品车辆的特征信息，增强对不同尺度目标的检测能力；使用制作好的数据集训练模型，得到训练结果，使用最佳的训练权重完成危化品车辆的检测任务。本发明以极少的模型参数量，实现了良好的危化品车辆检测效果。
-
公开(公告)号：CN117788428A
公开(公告)日：2024-03-29
申请号：CN202311830395.3
申请日：2023-12-28
申请人： 淮阴工学院
IPC分类号： G06T7/00 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084 , G01N21/88 , G01M13/04
摘要： 本发明公开了一种基于改进的YOLOv8实时轴承缺陷检测方法，包括以下步骤：(1)获取轴承缺陷数据集，划分训练集、验证集和测试集；并进行数据预处理；(2)利用通道削减网络CAN替换YOLOv8原C2f结构；利用CPPSPPF结构替换YOLOv8原SPPF结构，然后进行特征提取和特征融合；(3)使用训练集训练改进的YOLOv8模型，YOLOv8模型将输入数据映射到输出空间，产生预测结果；(4)在测试集上评估训练好的模型的性能；本发明提升了实时检测的效率。
-
公开(公告)号：CN118469992A
公开(公告)日：2024-08-09
申请号：CN202410708334.8
申请日：2024-06-03
IPC分类号： G06T7/00 , G06V10/25 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
摘要： 本发明公开了一种肠道息肉检测方法及装置，所述检测方法包括：获取包含息肉目标的肠镜图片，对图片中的息肉进行标注划分以构建数据集；构建息肉目标检测模型，包括主骨干网络、助理骨干网络、颈部网络和预测头，主骨干网络中引入空融模块，空融模块用于将各个尺度下的特征经过不同的卷积操作之后再进行深度方向上的拼接；助理骨干网络接收来自空融模块的包含不同大小息肉目标特征的输入，通过一系列的特征提取模块和下采样模块逐步提取特征，生成多尺度、包含丰富语义信息的特征图，并与主骨干网络中的特征图相融合；利用数据集对息肉目标检测模型进行训练，利用经训练的息肉目标检测模型进行肠道息肉检测。本发明能够提高肠道息肉识别精度。
-
公开(公告)号：CN118298295A
公开(公告)日：2024-07-05
申请号：CN202410270692.5
申请日：2024-03-11
申请人： 淮阴工学院
IPC分类号： G06V20/10 , G06V10/22 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于MCF和跨阶段链路聚合的军舰检测方法及系统，该方法首先建立军舰检测模型，利用训练好的所述军舰检测模型检测军舰目标；所述军舰检测模型为在YOLOV8n网络中集成MCF模块和跨阶段链路聚合网络；MCF模块用于进行感受野扩张的特征提取，使用了不同的卷积步长的深度可分离卷积；跨阶段链路聚合网络用于将来自不同阶段的特征进行融合和加权，将浅层网络中大尺寸特征图映射到模型的颈部可以获得多尺度信息；本发明能够在减少模型参数量的同时扩大感受野病害获得更多尺度信息，提高了小目标的识别率，提高了军舰检测的精度。
-
公开(公告)号：CN117333820A
公开(公告)日：2024-01-02
申请号：CN202311304989.0
申请日：2023-10-09
申请人： 淮阴工学院
IPC分类号： G06V20/52 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/045 , G06N3/08
摘要： 本发明公开了一种用于危化品车辆检测的改进YOLOv7‑tiny方法，将全局响应归一化加入到传统的卷积模块中，放置在SiLU激活函数的后面，使模型能够关注到图片或视频中任意位置的危化品车辆，设计通道特征增强的快速空间金字塔池化模块，将空间金字塔池化模块中三个关键的池化操作由并行结构改为串行节后，减小池化核尺寸大小以降低时间复杂度，同时以残差的方式连接压缩激励模块，从而抑制相对无用的特征并且更加关注重要特征，设计大目标路径聚合网络，将主干网络中不同尺寸的特征图以上采样的方式拼接到模型的颈部，使得深层网络中大目标的特征信息更加丰富，预测头能够更加准确地预测危化品车辆目标，三方面相结合，显著的提高了危化品车辆检测平均精度。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.019 秒)
