-
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
申请人： 湖北工业大学
IPC分类号： G06V10/20 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 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：CN114821088B
公开(公告)日：2024-10-18
申请号：CN202210493651.3
申请日：2022-05-07
申请人： 湖北工业大学 , 武汉卓尔信息科技有限公司
IPC分类号： G06V10/40 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0442 , G06N3/084
摘要： 本发明属于多模态数据特征抽取技术领域，公开了一种基于优化BERT模型的多模态深度特征抽取方法及系统，数据处理阶段，多模态数据特征选取，以及数据的预处理工作；BERT模型优化阶段，对原始BERT模型中的多头自注意力机制和前向传播层进行优化；特征融合阶段；结果输出阶段。本发明能够进行深层次的特征抽取，使用层次化多头注意力机制实现对特征的层次抽取，使用自定义的门机制结构替换BERT模型中的中间层，实现对信息的过滤，最后通过基于自注意力机制的张量融合模型进行多模态特征的融合，最后实现一种对多态情感信息准确分类的模型，本发明提高了BERT的特征抽取能力，具有的多模态特征抽取能力更强。
-
公开(公告)号：CN113742781B
公开(公告)日：2024-04-05
申请号：CN202111123601.8
申请日：2021-09-24
申请人： 湖北工业大学 , 武汉卓尔信息科技有限公司
IPC分类号： G06F21/62 , G06F18/23 , G06F18/2135
摘要： 本发明属于信息安全技术领域，公开了一种K匿名聚类隐私保护方法、系统、计算机设备、终端，K匿名聚类隐私保护方法包括：使用主成分分析方法完成数据的降维且确定敏感属性、准标识符属性和标识属性；对降维后的数据使用灰度关联分析方法计算敏感属性与准标识符属性的关联度；根据敏感属性与准标识符关联度确定准标识符的泛化层次结构；使用手肘法确定数据集适合的聚类簇数量；根据阈值a判断对数据直接进行聚类操作还是将该数据集与其他数据值合并进行聚类；对数据集进行聚类处理；根据准标识属性的泛化结构对聚类的数据进行K匿名处理。本发明能够降低医疗数据的维度，避免聚类过程中陷入局部最优值，降低K匿名过程中的信息损失率，保护隐私数据的安全。
-
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
申请人： 湖北工业大学
摘要： 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：CN114494861B
公开(公告)日：2024-04-26
申请号：CN202210019906.2
申请日：2022-01-10
申请人： 湖北工业大学
IPC分类号： G06V20/10 , G06N3/0464 , G06N3/084 , G06V10/25 , G06V10/774 , G06V10/762 , G06V10/82
摘要： 本发明提出了一种基于多参数优化YOLOV4网络的飞机目标检测方法。引入多幅遥感飞机图像构建飞机图像训练集，人工标记训练集中每幅遥感飞机图像中的外接矩形框、中心点坐标、外接矩形框的宽度、高度、以及飞机类别；将飞机图像中的外接矩形框通过K‑means++算法进行聚类，得到YOLOv4网络的锚框参数值；结合飞机图像中外接矩形框、中心点坐标、外接矩形框的宽度、高度、以及飞机类别构建损失函数模型；将采集的飞机遥感图像输入至优化后多参数优化YOLOV4网络预测，得到预测飞机外接矩形框以及对应的飞机类别。本发明通过轻量化的模型，实现对于飞机物体的快速检测，提高了对于飞机目标识别的准确性。本发明提高工作人员的检测效率以及对于遥感图像任务的快速检测。
-
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
申请人： 湖北工业大学
IPC分类号： G06V10/20 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 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：CN114494861A
公开(公告)日：2022-05-13
申请号：CN202210019906.2
申请日：2022-01-10
申请人： 湖北工业大学
IPC分类号： G06V20/10 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/25 , G06V10/774 , G06V10/762 , G06V10/82
摘要： 本发明提出了一种基于多参数优化YOLOV4网络的飞机目标检测方法。引入多幅遥感飞机图像构建飞机图像训练集，人工标记训练集中每幅遥感飞机图像中的外接矩形框、中心点坐标、外接矩形框的宽度、高度、以及飞机类别；将飞机图像中的外接矩形框通过K‑means++算法进行聚类，得到YOLOv4网络的锚框参数值；结合飞机图像中外接矩形框、中心点坐标、外接矩形框的宽度、高度、以及飞机类别构建损失函数模型；将采集的飞机遥感图像输入至优化后多参数优化YOLOV4网络预测，得到预测飞机外接矩形框以及对应的飞机类别。本发明通过轻量化的模型，实现对于飞机物体的快速检测，提高了对于飞机目标识别的准确性。本发明提高工作人员的检测效率以及对于遥感图像任务的快速检测。
-
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
申请人： 湖北工业大学
IPC分类号： G06V10/82 , G06V10/40 , G06V10/20 , G06N3/0464 , G06N3/08
摘要： 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
申请人： 湖北工业大学
摘要： 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：CN114821088A
公开(公告)日：2022-07-29
申请号：CN202210493651.3
申请日：2022-05-07
申请人： 湖北工业大学 , 武汉卓尔信息科技有限公司
摘要： 本发明属于多模态数据特征抽取技术领域，公开了一种基于优化BERT模型的多模态深度特征抽取方法及系统，数据处理阶段，多模态数据特征选取，以及数据的预处理工作；BERT模型优化阶段，对原始BERT模型中的多头自注意力机制和前向传播层进行优化；特征融合阶段；结果输出阶段。本发明能够进行深层次的特征抽取，使用层次化多头注意力机制实现对特征的层次抽取，使用自定义的门机制结构替换BERT模型中的中间层，实现对信息的过滤，最后通过基于自注意力机制的张量融合模型进行多模态特征的融合，最后实现一种对多态情感信息准确分类的模型，本发明提高了BERT的特征抽取能力，具有的多模态特征抽取能力更强。
-
-
-
-
-
-
-
-
-
搜索结果
12 条记录 (耗时 0.026 秒)
