-
公开(公告)号：CN116453186A
公开(公告)日：2023-07-18
申请号：CN202310400564.3
申请日：2023-04-14
Applicant: 淮阴工学院
IPC: G06V40/16 , G06V10/774 , G06V10/762 , G06V10/82 , G06V10/80 , G06V10/766 , G06N3/0464 , G06N3/048 , G06N3/09
Abstract: 本发明涉及一种基于YOLOv5改进的口罩佩戴检测方法，属于目标检测领域。该方法包含以下步骤：挖掘目标图像样本数据，构建用于口罩佩戴检测的样本数据集；分析口罩佩戴检测存在的问题，针对问题对目标检测模型YOLOv5进行改进。采用K‑means++算法代替K‑means算法来获取anchor参数，优化目标锚框；添加注意力模块ACmix以及将原始YOLOv5网络颈部结构替换为加权双向特征金字塔网络(BiFPN)，优化对小目标的检测效果，提升目标检测精确度；使用结合标准卷积和深度可分离卷积并进行通道清洗的鬼影混洗卷积(GSConv)模块替换传统卷积模块，提升网络速度；引入SIoU_Loss作为基于YOLOv5改进算法损失函数的Bounding Box Regression Loss，使得损失函数平稳收敛，降低预测误差，提升回归精度。本发明算法采用改进YOLOv5检测算法不仅提升了口罩佩戴检测精确度，还改善对远距离以及密集人群处佩戴口罩小目标检测效果，降低了误检漏检情况。
-
公开(公告)号：CN116863418A
公开(公告)日：2023-10-10
申请号：CN202310902538.0
申请日：2023-07-21
Applicant: 淮阴工学院
Inventor： 王媛媛 , 严少峰 , 朱俊勋 , 黄佳泷 , 宋照渝 , 李亚州 , 陈秀川 , 沈俞 , 张兴潮 , 江飞龙 , 王超 , 王梅峰 , 张海艳 , 高尚兵 , 林剑楚 , 任珂 , 刘步实
IPC: G06V20/54 , G06V10/82 , G06V10/44 , G06V10/52 , G06V10/764 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于CA_MixNet的道路限行车辆种属划分方法。收集各路段车辆的图像数据进行分类并做成数据集；对数据集进行预处理；构建深度卷积网络模型，包括CA_Residual多尺度残差注意力网络模块、MixConv2d多尺度混合卷积；使用构建好的深度卷积网络模型用于学习车辆的特征和类别。与现有技术相比，本发明通过构建残差注意力网络模块，能够使网络更加关注图像中具有区分性和重要性的特征，减少了冗余信息的影响，有效的提高网络对关键特征的感知能力；通过设计CA_Residual模块和引用多尺度混合卷积，不但提高了对车辆种属的识别，还普适于各种复杂场景，为道路限行车辆的监测提供了一种可行且有效的技术路径。
-
公开(公告)号：CN118823473A
公开(公告)日：2024-10-22
申请号：CN202410959754.3
申请日：2024-07-17
Applicant: 淮阴工学院
IPC: G06V10/764 , G06V10/44 , G06N3/0464 , G06V10/80 , G06V10/82 , G06N3/047 , G06N3/0985
Abstract: 本发明公开一种基于EIEM边缘特征提取的钢铁缺陷检测方法，首先设计一个边缘信息提取模块EIEM替换C2f中的BottleNeck，该模块采用sobel算子来提取特征的边缘信息并与整体空间信息进行特征融合，获得更加丰富的语义信息；其次，替换上采样方法为CARAFE，该方法通过编码器能够学习到适合自己特征信息的卷积核，以指导更加精确的特征重建；最后，将原来的检测头换成了动态统一的检测头（DyHead)，以应对不同缺陷的尺寸和变换位置，而且正因为这个检测头，在不同的尺寸、位置、任务中，都能动态的适应，不需要改变检测头。与现有技术相比，本发明克服了现有技术中鲁棒性差、引入噪声导致缺陷检测准确率低的问题，利用改进YOLOv8s模型架构，具有准确性高，适用广度大的优点。
-
公开(公告)号：CN117292216A
公开(公告)日：2023-12-26
申请号：CN202310400563.9
申请日：2023-04-14
Applicant: 淮阴工学院
IPC: G06V10/774 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于GS_YOLOv7的火灾检测方法，包括改进了模型Backbone与Head部分，引入了Shuffle Attention Module；引入了GSConv模块；在Head层中引入VoVGSCSP module；在训练策略方面，将YOLOv7网络模型CBS模块改进为效率更高的CBF模块；将模型损失函数改为EIoU loss，一张640*640的特征图输入到网络的Backbone层，经过CBF，E‑ELAN以及MP模块后输出三张不同的特征图，将20*20*1024大小的特征图输入到Head层经过VoVGSCSP module中可提高网络的推理速度，特征图经过GSConv模块，模型可以提取更加丰富的语义信息，在特征提取后的非线性激活阶段，Funnel激活函数增强了模型的空间感知能力，引入了EIoU loss使得模型的收敛速度更快。本发明通过优化模型结构，引入新的激活函数和损失函数，提高了模型的效率和泛用性。
-
公开(公告)号：CN117275041A
公开(公告)日：2023-12-22
申请号：CN202311286008.4
申请日：2023-09-28
Applicant: 淮阴工学院
IPC: G06V40/10 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了一种基于迁移学习和改进YOLOv5电力工人安全帽佩戴检测方法，具体包含以下步骤：构建施工场景下的安全帽佩戴检测数据集A，构建电力作业场景下的安全帽佩戴检测数据集B；改进电力作业场景下安全帽佩戴检测模型YOLOv5，将YOLOv5主干网络替换为基于动态卷积ODConv的ODConv_MobileNetv2主干网络，提取小目标安全帽特征信息效率大幅上升并减少额外的计算量参数；在颈部网络结构中，添加基于跨空间学习的高效多尺度注意力EMA模块，减少参数量的同时提升小目标安全帽佩戴检测的精度；采用一种基于最小点距离的IoU损失MPDIoU作为改进YOLOv5的损失函数，本发明可以提升小样本电力作业场景数据集下的小目标安全帽佩戴检测精度，降低电力作业场景下的安全帽佩戴检测漏检和误检问题。
-
Patent Agency Ranking
公开(公告)号：CN119763091A
公开(公告)日：2025-04-04
申请号：CN202411826752.3
申请日：2024-12-12
Applicant: 江苏中航际项目管理有限公司 , 淮阴工学院
IPC: G06V20/62 , G06V30/146 , G06V30/186 , G06V30/18 , G06V30/19 , G06V10/766 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于改进YOLO11开放世界场景下文字检测方法，涉及计算机视觉处理领域，包含以下步骤：构建开放世界场景下文字检测数据集；构建基于YOLO11得开放世界场景下文字检测模型，设计多尺度高效卷积模块,通过使用多个不同尺寸的卷积核来专注于多尺度特征提取与融合，在保持计算效率的同时，增强改进模型对开发世界场景文字检测不同尺度信息的感知能力；将YOLO11特征金字塔池化模块改进为FocalModulation,该模块利用焦点关注机制增强模型对特定区域得特征提取能力，结合局部与全局特征，提升模型对开放世界场景下文字检测得精度，降低模型计算复杂度，提高模型推理速度；采用CIoU作为改进YOLO11的边界框回归损失函数，本发明可以提升开放世界场景下的文字检测精度，对不同尺度和复杂背景下得文字信息目标保持良好得检测性能。
-
公开(公告)号：CN119180785A
公开(公告)日：2024-12-24
申请号：CN202411184170.X
申请日：2024-08-27
Applicant: 淮阴工学院
Abstract: 本发明公开了一种基于SBA跨尺度特征融合的钢铁缺陷检测方法，首先构建RT‑DERT‑R34网络，该网络采用了一层Transformer的Encoder，来处理主干网络输出的特征。其次，本发明在提取特征阶段，将骨干网络替换为StarNet，通过星运算在保持计算复杂度较低的同时，实现了高维特征空间的映射，无需复杂的特征融合和多分支设计就能实现更丰富的特征表示；然后，为了更好的捕捉多尺度特征，提升高维和低维特征的融合效果，我们设计了一种结合SBA（Selective Boundary Aggregation）的CCFM颈部结构并命名为SCFFM（SBA‑based Cross‑scale Feature Fusion Module）；最后，选择inner loss作为边界框回归损失函数。与现有技术相比，本发明进一步提高了对钢铁缺陷检测精度，同时端到端检测方式易于部署，避免了NMS带来的延迟。
-
公开(公告)号：CN117132827A
公开(公告)日：2023-11-28
申请号：CN202311105750.0
申请日：2023-08-30
Applicant: 淮阴工学院
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/80 , G06V10/42 , G06V10/776
Abstract: 本发明公开了一种基于改进YOLOv5s网络的热轧钢带表面缺陷检测方法，该方法使用YOLOv5s目标检测模型作为基础，在此基础上提出一种改进的YOLOv5s网络模型。首先，将neck部分的结构改换为AFPN结构，实验结果表明该结构与其他最先进的特征金字塔网络相比较更具竞争力，而且每秒浮点运算(FLOPs)也最低，并在较低参数下达到了比Baseline更好的性能。其次，使用GIoU损失函数，其不仅关注重合区域，还关注其他非重合区域，更好的反映了两者的重合程度，并且当IoU＝0时，两个框之间的距离仍然很好的表示出来。最后，添加注意力机制模块，选用EffectiveSE卷积神经网络结构加入YOLOv5s网络中，实验表明它与SENet等经典网络结构相比分类精度更高、收敛速度更快。本发明所提出的方法在原始网络基础上有效提升了模型对热轧钢带表面缺陷检测的性能，降低了模型的参数量和计算量，缩短了模型的推理时间。
-
公开(公告)号：CN117058682A
公开(公告)日：2023-11-14
申请号：CN202311081197.1
申请日：2023-08-25
Applicant: 淮阴工学院
IPC: G06V30/148 , G06V30/19 , G06V10/82 , G06N3/0464 , G10L15/26 , G06K7/10 , G06N5/04
Abstract: 本发明公开了一种基于YOLOv5、CNOCR与faster‑whisper的电网唱票流程监护方法及装置，通过扫描操作票二维码来获取操作票信息，对电网唱票现场的录像视频进行关键帧抽帧处理后标注成数据集；改进目标检测模型YOLOv5模型，使用注意力机制对模型瓶颈层进行改进，模型训练完成后在推理阶段加入CNOCR算法，将识别出的操作地点标识牌文字与操作票比对，将唱票时的音频传入faster‑whisper后进行识别并与操作票内容比对正误。使用摄像头对操作票二维码进行识别，当二维码识别成功后使用摄像头对操作地点的标识牌进行识别，当目标检测算法检测到标识牌文字内容与操作票信息中的内容一致时随即进入唱票阶段。本发明提出的方法及装置能够智能化规范唱票行为，降低唱票所需的人力成本。
-
公开(公告)号：CN116824623A
公开(公告)日：2023-09-29
申请号：CN202310400568.1
申请日：2023-04-14
Applicant: 淮阴工学院
IPC: G06V40/10 , G06V10/774 , G06V10/764 , G06V10/82 , G06V10/80 , G06V10/762 , G06V10/766 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于改进YOLOv5s的安全帽佩戴检测方法，在原始的YOLOv5s的基础上进行改进，首先将YOLOv5s的特征提取网络中的Conv模块替换成PConv模块，在降低模型参数量和内存访问次数的同时提升模型的精度；其次为了使网络能够关注小目标，在特征提取网络和特征融合网络之间添加一个SimAM注意力机制，在不增加网络参数的前提下增加模型检测小目标的能力；最后，引入AlignOTA标签分配策略，来提升候选框的聚焦效果，使模型精度进一步提升。实验结果表明，改进模型参数量更少，延迟更低，且对小目标和密集目标有更强的检测能力，易于端侧设备上的部署。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.019 seconds)
