-
公开(公告)号：CN118397542A
公开(公告)日：2024-07-26
申请号：CN202410513930.0
申请日：2024-04-26
申请人： 淮阴工学院
IPC分类号： G06V20/52 , G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明公开了一种基于改进YOLOv9电焊施工场景下灭火器的检测方法，包括：利用训练数据集对改进后的YOLOv9目标检测算法进行训练，该算法为在原始算法的基础上，将Backbone主干网中的部分RepNCSPELAN4模块替换为C3Attention模块，其中C3Attention是C3模块融合了SE注意力机制提高骨干网络中的目标检测能力和效率，并且在Head中分别融入了SE注意力机制、LSKBlock,根据训练检测结果和目标真实标签计算预测损失，并利用预测损失对目标检测模型进行优化，重复迭代直至达到设定的迭代次数输出训练好的目标检测模型；本发明能够保证检测速度的实时性，同时充分提取浅层信息，加强对灭火器的检测效果，进一步提高了模型检测精度。
-
公开(公告)号：CN118053063A
公开(公告)日：2024-05-17
申请号：CN202410022503.2
申请日：2024-01-05
申请人： 淮阴工学院
IPC分类号： G06V10/82 , G06V10/774 , G06V10/764 , G06N3/0464 , G06N3/096 , G06N3/0985 , G06T7/00
摘要： 本发明公开了一种基于SCAE‑DensNet的肺癌病症诊断分类方法，步骤如下：获取医学图像数据集并对获取的医学图片预处理，对图片进行标签设置，划分为训练集、测试集，对测试集进行数据增强；通过加载构建与迁移学习，用来构建神经网络；训练模型、调整参数，用来达到训练神经网络的效果；学习肺癌病变特征、提取特征，诊断病症分类，达到肺癌病变识别效果；输入测试数据集，得到肺癌医学图像病变分类结果，得到辅助诊断病症种类、最终高精度分类结果；得出分类可信度最高的图像分类结果。本发明对肺癌医学图像识别鲁棒性更高，且识别精度更高、速度更快，解决了深度卷积神经网络可能的出现梯度消失、梯度爆炸或退化问题导致的肺癌识别准确率低的问题。
-
公开(公告)号：CN116628259A
公开(公告)日：2023-08-22
申请号：CN202310380641.3
申请日：2023-04-11
申请人： 淮阴工学院
IPC分类号： G06F16/783 , G10L15/26 , G10L15/14 , G10L13/02 , G06N3/04 , G06N3/08 , G06Q50/20 , G06F40/289 , G06F18/22
摘要： 一种基于文本动态生成教学视频的编辑方法，主要步骤包括：获取用户输入的文字、对文字进行NLP处理、检索教学视频、将元视频数据转换为音视频、进行元视频数据相似度特征计算、用户选择音视频素材、合成虚拟人教学示例。本发明可以根据文字动态生成教学视频，自动创造虚拟示范，以降低视频制作的技术门槛，减少视频制作的时间与人力开销；并且能快速找到适合的示范素材，提高示例检索的效率，提升教学用户的教学体验。
-
公开(公告)号：CN116343311A
公开(公告)日：2023-06-27
申请号：CN202310380639.6
申请日：2023-04-11
申请人： 淮阴工学院
摘要： 一种基于人脸表情识别的虚拟人教学辅助系统，教学课件采用虚拟人教学方式进行异步学习；所述的系统通过摄像头实时捕捉学习人员的面部表情，并使用SSD算法框定面部区域，使用RepVGG网络模型对表情进行分类并统计；同时，系统将学习人员在虚拟教学过程中不同表情的统计结果存储在数据库中，提供可视化展示，方便教师观察学习人员在虚拟教学过程中的学习状态。本发明利用表情识别技术，结合可视化技术，实现对学习人员在虚拟教学过程中的实时监测，让老师或管理人员可以在课后直观的了解学生在学习过程中的状态，使网络教学能够达到与面对面的教学一样的效果；提高教学质量。该技术在智慧教育、人机交互等领域具有广泛的应用前景。
-
公开(公告)号：CN118736505A
公开(公告)日：2024-10-01
申请号：CN202410738662.2
申请日：2024-06-07
申请人： 淮阴工学院
IPC分类号： G06V20/54 , G06V10/25 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种改装电动车检测方法，通过改进YOLOv9c模型，在特征提取的Backbone中将YOLOv9c下采样阶段中的跨步卷积Conv改进为SPDPConv，进一步强调特征保留和减少信息丢失，提高模型整体识别改装电动车精准度；使用多分支金字塔MbSPP模块进行特征提取与融合，替换原有的SPPELAN模块，在不同尺度上进行池化操作，从而捕获图像的多尺度特征，进一步提高模型在复杂背景或有遮挡情况下的表现；于上采样环节，采用双卷积增强上采样CPSample，实现更加清晰和稳定的细节输出，进一步提高改进模型在改装电动车识别方面的精准度。本发明通过上述方法对YOLOv9c模型进行进一步改进，在收敛性，鲁棒性，针对改装电动车识别精准性方面，都有理想的提升。
-
公开(公告)号：CN118628789A
公开(公告)日：2024-09-10
申请号：CN202410596819.2
申请日：2024-05-14
申请人： 淮阴工学院
IPC分类号： G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G16H50/20 , G16H50/70 , G06N3/0455 , G06N3/0464 , G06N3/0985
摘要： 本发明公开了一种基于裂隙灯图像的角膜溃疡诊断分类方法，获取角膜溃疡数据集，对图片进行标签设置；将数据集按照一定比例划分为训练集和测试集并且对角膜溃疡图像进行预处理；构建MSConv模块，并对提取的角膜溃疡特征进行信息融合；改进并构建ResNet和ViT相结合的深度学习网络模型，利用预处理数据集对该网络进行训练和验证，得到角膜溃疡分类模型；通过所述的角膜溃疡分类模型对待分类的角膜溃疡进行分类识别。本发明首先在不同尺度下提取角膜溃疡的初步特征，其次通过融合卷积的ViT将局部和全局的特征图进行融合，解决了角膜溃疡病理特征变化大、病灶分布不规则、尺度多变的问题，从而能够提高角膜溃疡的识别准确性。
-
公开(公告)号：CN118570839A
公开(公告)日：2024-08-30
申请号：CN202410699988.9
申请日：2024-05-31
申请人： 淮阴工学院
IPC分类号： G06V40/10 , G06V10/82 , G06V10/774 , G06V10/80 , G06V10/25
摘要： 本发明公开了一种叉车搭载人员检测方法，通过对YOLOv9目标检测算法进行改进并训练加以实现，改进方法包括：在原始算法的基础上构建自定义RN4_SCConv模块并替换Backbone中的第三层、第五层RepNCSPELAN4模块，将ADown下采样模块引入SPDconv构建自定义SPD_ADown模块并替换Backbone、Head中的ADown模块，对Backbone和Head部分引入iRMB倒置残差块注意力机制,采用自定义损失函数ISCIoU，根据训练检测结果和目标真实标签计算预测损失，并利用预测损失对目标检测模型进行优化，重复迭代直至达到设定的迭代次数输出训练好的目标检测模型；本发明在原有模型基础上，在保证实时检测速度的同时，加强对叉车搭载人员的检测效果，检测精度在叉车搭载人员的数据集中提高了4.9%。
-
公开(公告)号：CN117765253A
公开(公告)日：2024-03-26
申请号：CN202311673939.X
申请日：2023-12-06
申请人： 淮阴工学院
摘要： 本发明公开了一种基于改良高斯‑马尔科夫模型的图像分割方法，通过结合空间变化有限混合模型SVFMM和隐Dirichlet分布LDA进行模型初始化，创建了改进的空间约束贝叶斯网络模型。在模型初始化完成后，采用基于高斯‑马尔科夫随机场GMRF的优化算法，进一步精细化和平滑模型参数。通过求解一个特定的优化问题来实现，有效地减小了图像各区域内参数值的变化，从而提高了图像分割的准确性和鲁棒性。本发明不仅适用于各种类型的自然图像，还能够有效地处理在复杂背景、不同光照条件以及噪声干扰下的图像分割问题。本发明在多个公开数据集上都展示了优于现有方法的性能，具有广泛的应用前景和显著的技术优势。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.021 秒)
