-
公开(公告)号：CN116935112A
公开(公告)日：2023-10-24
申请号：CN202310874529.5
申请日：2023-07-17
Applicant: 淮阴工学院
IPC: G06V10/764 , A61B5/11 , A61B5/00 , G06V10/82 , G06V10/774 , G06T5/00 , G06V40/20 , G06V40/10
Abstract: 本发明公开了一种基于FceptionNet模型的人体体力评估方法，获取人体各种行为姿势的数据集，对数据集进行分类。使用PConv(部分卷积)对这些图片进行修复，对修复后的图像进行预处理操作；构建FceptionNet网络模型，该网络模型包括初始特征提取模块、四个Fce模块和四个Pt模块。Fce模块包括三个并联的分支；Pt模块中用深度可分离卷积代替普通卷积。对Fce和Pt模块进行堆叠，通过多次迭代训练模型得到最好的模型权重。通过人剩余体力与姿势的关联性，设定多个类别的多个阈值，若一个人处于一个状态超过该类别的阈值，则系统输出该人体力的估计值。与现有技术相比，本发明所提出的模型识别率高，结构简单，对于学生上体育课时的体力评估作为一个参考，具有很大的实际应用价值。
-
公开(公告)号：CN116797774A
公开(公告)日：2023-09-22
申请号：CN202310591676.1
申请日：2023-05-24
Applicant: 国网江苏省电力有限公司淮安供电分公司 , 淮阴工学院
Inventor： 刘建戈 , 沈俞 , 王媛媛 , 张兴潮 , 陈秀川 , 严少峰 , 王超 , 江飞龙 , 黄家泷 , 戴欣 , 张鹏宇 , 姜蒙娜 , 赵阳 , 朱俊勋 , 宋照渝 , 李亚州 , 田海阳
IPC: G06V10/22 , G06V10/764 , G06N5/04
Abstract: 本发明公开了一种基于YOLOv5和CNOCR的变电站标识牌识别方法，首先，采集变电站的图像，进行预处理及标注；然后构建改进的YOLOv5算法，更换骨干网络和瓶颈层网络，使得网络更加轻量化，提升推理速度，取消用于小目标检测的anchor，再次提升速度，增加注意力机制模块；将标注后的变电站标识牌图像数据输入到改进后的YOLOv5算法中进行训练；在YOLOv5算法推理阶段加入自适应直方图均衡化算法，再加入CNOCR算法。在推理测试阶段当检测到未遮挡的变电站标识牌图像且置信度高于0.9时，进行文字识别，当识别到操作票指定的操作地点时，停止推理，并发出到达正确地点的语音提示。本发明可用于实时变电站标识牌检测，拥有较好的鲁棒性，适用于便携式设备的部署。
-
Patent Agency Ranking
公开(公告)号：CN118840353A
公开(公告)日：2024-10-25
申请号：CN202410986417.3
申请日：2024-07-23
Applicant: 淮阴工学院
IPC: G06T7/00 , G06N3/0464 , G06V10/25 , G06V10/82 , G06V10/80 , G06V10/774 , G06N3/08 , G06V10/776 , G06V10/764
Abstract: 一种基于改进YOLOv8光伏电池表面缺陷检测方法,包括步骤：步骤一：制作数据集；步骤二：搭建EfficientVitBlock网络模型，构建基本的的卷积模块Conv，引入注意力机制SENet模块，替换YOLOv8模型原生的主干网络；步骤三：搭建Neck网络模型；步骤四：采用MPDIoU作为新边界回归损失函数替代原损失函数；步骤五：训练和验证评价指标：mAP平均精度均值；步骤六：将步骤一制作的数据集输入到改进之后的YOLOv8模型进行训练，得到光伏电池表面缺陷检测的模型；步骤七：根据运行之后的runs文件中的可视化图表对改进之后的模型进行评价与对比。本发明改进后的模型能在保持高准确度的同时减少计算复杂性和推理时间，进一步提高了网络的检测准确性能，同时减少计算成本。
-
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
Applicant: 淮阴工学院
Inventor： 张澳 , 张海艳 , 王媛媛 , 王梅峰 , 李亚州 , 田海阳 , 黄佳泷 , 宋照渝 , 严少峰 , 朱俊勋 , 张兴潮 , 尹彤彤 , 何艳婷 , 谢乾 , 汪涛 , 杨文俊
Abstract: 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。
-
公开(公告)号：CN118429777A
公开(公告)日：2024-08-02
申请号：CN202410664340.8
申请日：2024-05-27
Applicant: 淮阴工学院
Abstract: 本发明公开一种输电线路异物检测方法，通过改进的LSKNet技术，提升主模型YOLOv8网络在复杂环境下对遮挡异物的检测能力；其次，将骨干网络的部分C2F换成本发明设计的一种并行的大卷积核结构ECLK block，通过EC block和LK block并行操作，能够有效获得更广阔空间范围的目标特征，减少特征图冗余的背景信息；在检测头部分，采用了允许卷积核具有任意数量的参数和采样形状的可变核卷积(AKConv)替换传统卷积模块，提高特征提取的准确性；提出一种新的IoU损失函数计算方法DhIoU。与现有技术相比，改进后的YOLOv8模型在输电线路异物检测方面，克服了现有技术中鲁棒性差、背景纹理遮挡导致准确率低的问题，具有结构简单、参数量更少，收敛速度更快的优点。
-
公开(公告)号：CN117611117A
公开(公告)日：2024-02-27
申请号：CN202311562471.7
申请日：2023-11-21
Applicant: 淮阴工学院
IPC: G06Q10/1053 , G06F18/243 , G06F18/2415 , G06F18/213 , G06F18/10
Abstract: 本发明公开了一种基于集成学习的虚假招聘概率预测方法，属于机器学习和数据科学技术领域。包括：首先对招聘网站进行数据采集，并使用jionnlp和Pandas对数据集进行清洗和标签化预处理，随后对结构化和非结构化的数据进行标签编码和使用TD‑IDF对数据进行特征提取，并运用Truncated SVD对TD‑IDF特征提取后产生的稀疏矩阵进行降维处理，然后利用随机森林、轻量梯度提升机和随机森林作为基模型进行模型训练，最后使用随机森林作为元模型对各基模型的预测结果进行整合，即完成虚假招聘概率预测。本发明利用多个不同模型作为输入，提高了整体模型的鲁棒性，并具有结构简单、参数量少的优点，为解决严重不平衡数据集的虚假招聘问题提供了一种更为高效和准确的算法方案。
-
公开(公告)号：CN117315319A
公开(公告)日：2023-12-29
申请号：CN202311032860.9
申请日：2023-08-16
Applicant: 淮阴工学院
IPC: G06V10/764 , G06V10/40 , G06V10/80
Abstract: 本发明公开一种基于Mobilemul模型的花卉分类方法，通过特征提取模块CB Block、深度可分离卷积模块Dwise Block以及改进的密集连接Dense模块的依次串联，来构建待训练模型。同时，结合各场景获取的样本图像，进行训练，以各场景获取样本图像为输入，将各场景获取样本图像中属于各指定目标类型的目标对象进行分类，得到目标检测分类模型。进一步应用目标检测分类模型，可以实现对各场景获取图像中各目标对象的分类检测。与现有技术相比，本发明克服了现有技术中鲁棒性差、过程复杂、检测时间较长的问题，利用Mobilemul模型架构，具有结构简单、参数量较少的优点。
-
-
-
-
-
-
Search Results
7
records
(took 0.02 seconds)
