-
公开(公告)号：CN117854107A
公开(公告)日：2024-04-09
申请号：CN202311862165.5
申请日：2023-12-29
Applicant: 上海网达软件股份有限公司
IPC: G06V40/10 , G06V10/774 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及图像处理技术领域，尤其涉及基于改进YOLOv8的人体图片关键点检测方法，包括以下步骤：S1：收集人体视频并截取人体图片，通过处理开源数据集和人体图片建立数据集；S2：开源数据集根据第一YOLOv8神经网络模型得到第一训练模型，保留第一训练模型权重，训练集上加载第一训练模型权重通过第一训练模型得到第二训练模型；S3：测试集根据第二训练模型验证模型效果，随后调整训练参数得到第三训练模型，监控视频输入模型检测，对人体图片关键点定位并输出显示。本发明使用SPD模块避免下采样导致信息丢失，EMA注意力模块有效融合空间和通道特征，新增的关键点空间约束损失，使关键点定位更加准确可靠，随机擦除数据增强使得模型更加鲁棒和具有泛化性。
-
公开(公告)号：CN119723280A
公开(公告)日：2025-03-28
申请号：CN202411653310.3
申请日：2024-11-19
Applicant: 上海国际港务(集团)股份有限公司 , 上港集团物流有限公司浦东分公司 , 上海网达软件股份有限公司
Abstract: 本发明公开一种基于空间位置约束优化的yolov8撑伞识别方法及系统，实时获取视频数据并进行预处理；将预处理后的所述视频数据输入训练好的YOLO v8检测模型，其中，训练好的所述YOLO v8检测模型的CSPDarknet中的Backbone网络使用Swin‑Transformer主干进行代替、PAFPN网络中的Conv卷积使用形变卷积进行替换；所述YOLO v8检测模型基于实时获取的视频数据输出检测结果。通过对yolov8目标检测算法进行网络结构优化、训练过程中通过引入关键点分支和空间位置约束损失辅助模型训练，显著提升了模型对人员违规撑伞识别的准确率和检测效率。
-
公开(公告)号：CN118038435A
公开(公告)日：2024-05-14
申请号：CN202410191374.X
申请日：2024-02-21
Applicant: 上海网达软件股份有限公司
Abstract: 本发明涉及图像处理和目标识别定位领域，尤其涉及一种基于YOLOv8改进的车牌检测算法，包括步骤S1，准备并整合车牌数据集并进行数据预处理操作后，将其分配为训练集和测试集；步骤S2，构建引入车牌顶角关键点检测、增加关键点空间约束损失以及车牌边界框使用WIOU损失函数的YOLOv8改进模型，通过训练集进行训练迭代，调整YOLOv8改进模型参数；步骤S3、将测试集对训练后的所述YOLOv8改进模型进行验证，输出验证结果。本发明算法通过整合顶角关键点检测与车牌检测框的相互约束机制，在提升车牌检出率的同时，也提高下游的车牌识别任务字符识别率。此外，优化边界框回归损失，在降低高质量边界框竞争力的前提下，减少低质量边界框产生有害梯度，提高模型的整体检测性能。
-
公开(公告)号：CN118411660A
公开(公告)日：2024-07-30
申请号：CN202410221638.1
申请日：2024-02-28
Applicant: 上海网达软件股份有限公司
IPC: G06V20/52 , G06V20/40 , G06V10/25 , G06V10/766 , G06V10/82
Abstract: 本发明涉及图像处理和目标识别定位领域，尤其涉及一种基于YOLOv5改进的人体检测算法，包括：步骤S1，采集并预处理至少包括一个数据源，构建用于训练和验证的数据集；步骤S2，建立YOLOv5模型并进行结构性改进，引入动态蛇形卷积层替换选定的标准卷积层进行迭代，并将边界框回归损失函数从CIOU更换为WIOU损失函数，完成改进后的YOLOv5模型构建；步骤S3，将步骤S1中的数据集对步骤S2中改进的YOLOv5模型进行训练和验证，以实现对人体目标的精确检测和识别。本发明通过在主干网络中的卷积操作中引入动态蛇形卷积以学习累积形变偏移，提升模型在渔船甲板上这种背景环境复杂、前景特征不明显的场景下的人体检测精度，此外，将CIOU换为WIOU，提高模型的整体检测性能。
-
-
-
Search Results
4
records
(took 0.032 seconds)
