-
公开(公告)号：CN115035381B
公开(公告)日：2024-08-06
申请号：CN202210661898.1
申请日：2022-06-13
Applicant: 湖北工业大学
IPC: G06V10/82 , G06V10/40 , G06V10/20 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种SN‑YOLOv5的轻量化目标检测网络及农作物采摘检测方法，基于YOLOv5模型，在此基础上使用与原始YOLOv5s相比更加轻便的SN‑YOLOv5网络，使参数量降低到仅有原始YOLOv5的47％且网络宽度以及通道数降为原始YOLOv5s的50％，并增加了一个用于目标检测的检测头以及相匹配的主干、加强特征提取网络层数，同时在网络的关键部分即通道数最大处插入SE注意力机制来提升检测精度，使得在保持检测精度的前提下大大降低网络的复杂度，从而降低对硬件的要求。使得相同设备下进行监控和检测时减少人力资源。
-
公开(公告)号：CN115423995A
公开(公告)日：2022-12-02
申请号：CN202210959902.2
申请日：2022-08-11
Applicant: 湖北工业大学
Abstract: 本发明公开一种轻量化幕墙裂纹目标检测方法及系统、安全预警系统，其中的目标检测方法包括图像收集、图像预处理、模型构建、模型的训练与测试、裂纹检测步骤，通过图像收集步骤收集大量的墙体图像，并进行预处理，然后构建轻量化幕墙裂纹目标检测模型，使用Ghost卷积替换原有网络中的标准卷积，将C3结构中卷积替换为Ghost卷积，从而可以减少计算量，提高计算效率；增加一个CA注意力机制在主干特征提取网络通道数最大的位置，使得网络更加关注有价值的特征，使得提升整个网络的目标检测精度。通过模型的训练与测试得到训练好的模型，最后利用训练好的模型进行裂纹检测，本发明的方法不需要大量的计算单元，在保证效率的同时提高了检测精度。
-
公开(公告)号：CN113762287A
公开(公告)日：2021-12-07
申请号：CN202111090483.5
申请日：2021-09-17
Applicant: 湖北工业大学
Abstract: 本发明涉及一种水下目标智能检测系统、方法及存储介质。属于计算机视觉处理技术领域。通过利用Slice‑Concat网络结构对图像进行切片和拼接处理，可得到无数据损失的切片后的图像，该图像被切片后，其宽和高变小。由模型复杂度计算公式分析可知，其图像宽和高变小会直接提高模型的运算速度。同时用测试集对训练好的网络模型进行训练进行测试可确保模型的识别与检测精度。上述方法可确保本发明实现在确保水下目标检测精度的前提下提高目标的检测速度，做到对水下目标的高效实时检测。
-
Patent Agency Ranking
公开(公告)号：CN115035381A
公开(公告)日：2022-09-09
申请号：CN202210661898.1
申请日：2022-06-13
Applicant: 湖北工业大学
Abstract: 本发明公开了一种SN‑YOLOv5的轻量化目标检测网络及农作物采摘检测方法，基于YOLOv5模型，在此基础上使用与原始YOLOv5s相比更加轻便的SN‑YOLOv5网络，使参数量降低到仅有原始YOLOv5的47％且网络宽度以及通道数降为原始YOLOv5s的50％，并增加了一个用于目标检测的检测头以及相匹配的主干、加强特征提取网络层数，同时在网络的关键部分即通道数最大处插入SE注意力机制来提升检测精度，使得在保持检测精度的前提下大大降低网络的复杂度，从而降低对硬件的要求。使得相同设备下进行监控和检测时减少人力资源。
-
公开(公告)号：CN114722202A
公开(公告)日：2022-07-08
申请号：CN202210369747.9
申请日：2022-04-08
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于双向双层注意力LSTM网络的多模态情感分类方法及系统，首先多模态数据特征的选取；然后对于音频数据选择双层的单向LSTM模型，用于抽取音频特征，对于文本和视频信息，选用TBA‑LSTM(Two‑layerBILSTM based on Attention)模型进行特征抽取；接着将抽取后的特征进行张量融合的方式；最后使用注意力机制来进行多模态数据的分类问题。本发现相对于一些其他的传统模型(LSTM，TFN，MFN，MARN等等)，在公共数据集上CMU‑MOSI上，其精度和F1_Score均有显著程度的提升，并且其深层次的特征抽取能力更强。
-
公开(公告)号：CN114722202B
公开(公告)日：2024-07-26
申请号：CN202210369747.9
申请日：2022-04-08
Applicant: 湖北工业大学
IPC: G06F16/35 , G06N3/0442 , G06N3/049 , G06N3/084
Abstract: 本发明公开了一种基于双向双层注意力LSTM网络的多模态情感分类方法及系统，首先多模态数据特征的选取；然后对于音频数据选择双层的单向LSTM模型，用于抽取音频特征，对于文本和视频信息，选用TBA‑LSTM(Two‑layerBILSTM based on Attention)模型进行特征抽取；接着将抽取后的特征进行张量融合的方式；最后使用注意力机制来进行多模态数据的分类问题。本发现相对于一些其他的传统模型(LSTM，TFN，MFN，MARN等等)，在公共数据集上CMU‑MOSI上，其精度和F1_Score均有显著程度的提升，并且其深层次的特征抽取能力更强。
-
公开(公告)号：CN115063573A
公开(公告)日：2022-09-16
申请号：CN202210671234.3
申请日：2022-06-14
Applicant: 湖北工业大学
IPC: G06V10/20 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于注意力机制的多尺度目标检测方法，包括步骤1，获取图像数据集；步骤2，对图像数据集进行预处理，并划分训练集、测试集、验证集；步骤3，建立基于注意力机制的多尺度目标检测的目标检测模型，所述目标检测模型包括CSPdarknet53主干网络、SPP池化模块、RP‑PANet特征融合模块、检测头部几个部分，其中，在CSPdarknet53主干网络中添加Coordinate Attention注意力机制，有效的提高对于特征图的提取；步骤4，训练目标检测模型；步骤5，基于训练好的目标检测模型进行目标检测，将待识别数据集图像输入到训练好的目标检测模型中，模型对图像进行分类、输出物体的名称以及识别的置信度，完成识别。与现有技术相比，本发明具有较好的识别效果。
-
公开(公告)号：CN115063573B
公开(公告)日：2024-08-02
申请号：CN202210671234.3
申请日：2022-06-14
Applicant: 湖北工业大学
IPC: G06V10/20 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于注意力机制的多尺度目标检测方法，包括步骤1，获取图像数据集；步骤2，对图像数据集进行预处理，并划分训练集、测试集、验证集；步骤3，建立基于注意力机制的多尺度目标检测的目标检测模型，所述目标检测模型包括CSPdarknet53主干网络、SPP池化模块、RP‑PANet特征融合模块、检测头部几个部分，其中，在CSPdarknet53主干网络中添加Coordinate Attention注意力机制，有效的提高对于特征图的提取；步骤4，训练目标检测模型；步骤5，基于训练好的目标检测模型进行目标检测，将待识别数据集图像输入到训练好的目标检测模型中，模型对图像进行分类、输出物体的名称以及识别的置信度，完成识别。与现有技术相比，本发明具有较好的识别效果。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.031 seconds)
