-
公开(公告)号：CN119399521A
公开(公告)日：2025-02-07
申请号：CN202411431697.8
申请日：2024-10-14
Applicant: 淮阴工学院 , 江苏中航际项目管理有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种融合FRN与Long‑CLIP模型的少样本细粒度分类方法，收集细粒度图像数据，制作数据集；搭建FRN与Long‑CLIP网络模型；训练FRN网络模型，保存训练过程中的FRN网络模型最优参数，将其文件命名为best.pth；输入预处理好的待检测图像至训练后的FRN网络模型，同时图片输入到Long‑CLIP网络模型中获取其预测结果，将二者的预测结果加权求和。与现有技术相比，本发明采用FRN的特征图进行深度重构去替换传统使用相似度平均来聚合类别的方法，并且在FRN网络中引入ECA注意力机制，提升模型对关键特征的提取能力，以生成更为精细和准确的预测结果；融合FRN与Long‑CLIP模型，在多个少样本细粒度分类任务上均取得了良好的效果。
-
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：CN119418285A
公开(公告)日：2025-02-11
申请号：CN202411467851.7
申请日：2024-10-21
Applicant: 南京华苏科技有限公司 , 淮阴工学院
IPC: G06V20/54 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于DRR模块和SDFM的道路缺陷检测方法，步骤为：S1数据采集和处理；S2模型的构建：将DWR模块替换为DRB模块，并通过DRR模块替换掉骨干网络部分C2f的BottleNeck残差模块；将骨干网络和颈部的下采样替换为LDConv卷积模块，使用SDFM改进模型的颈部结构，融合不同尺度的特征作为检测头的输入；S3模型训练：通过设置训练超参数，使用制作的训练集对改进的网络模型进行训练；S4模型验证：设置验证参数对训练完成的模型进行验证；将验证后的模型部署到可视化界面实现道路缺陷的实时检测。该方法对模型进行改进使其检测算法具有更高的准确性和鲁棒性，能适应不同道路缺陷和环境条件。
-
Patent Agency Ranking
公开(公告)号：CN117765299A
公开(公告)日：2024-03-26
申请号：CN202311615127.X
申请日：2023-11-28
Applicant: 淮阴工学院
IPC: G06V10/764 , G06V10/774 , G06F40/30
Abstract: 本发明涉及多模态领域，公开了一种基于微调CLIP的违规户外广告识别方法，获取违规户外广告图像数据，制作数据集并分为训练集A、B和验证集；搭建微调后的CLIP网络模型；读取训练集A至搭建的网络模型中，学习每个广告类别的文本特征，训练结束时保存模型的状态字典并命名为prompt.pth；读取训练集B至搭建的网络模型中，利学习到的文本特征和训练集B中的图像特征做相似度对比，以此来微调CLIP模型的图像编码器，保存训练过程中准确率最高的模型参数，将其文件命名best.pth；读取户外广告的待检测图像至微调后的CLIP网络模型中，加载2个权重文件至模型中进行推理检测，判定是否违规。与现有技术相比，本发明有效提高了模型对违规户外广告的图像分类能力。
-
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：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：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。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.057 seconds)
