公开(公告)号：CN117975252A

公开(公告)日：2024-05-03

申请号：CN202410157270.7

申请日：2024-02-04

Applicant: 无锡学院

Inventor： 陈戈 ,  张银胜 ,  张培琰 ,  李长帅 ,  孟祥源 ,  陈昕

IPC: G06V20/05 ,  G06V10/20 ,  G06V10/44 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06T5/94

Abstract: 本发明公开了一种基于增强局部特征的水下目标检测方法，包括步骤如下：S1，获取URPC水下图像数据集，对数据集进行预处理后，按照设定的比例划分为训练集和验证集；S2，搭建增强局部特征网络，所述增强局部特征网络包括提取特征模块、融合特征模块和检测头模块；目标图像经增强处理后的特征图像输入提取特征模块进行特征提取，再经过融合特征模块进行融合增强，最后经过检测头模块完成对图像目标的检测；S3，将经过预处理的训练集和验证集输入至增强局部特征网络中进行训练和验证，获取最佳的检测模型；S4，采用步骤S3得到的最佳模型对水下图像进行目标检测。本发明能够有效减少光照昏暗场景下目标出现局部特征丢失的现象。

公开(公告)号：CN117523394A

公开(公告)日：2024-02-06

申请号：CN202311486178.7

申请日：2023-11-09

Applicant: 无锡学院

Inventor： 刘文星 ,  单慧琳 ,  陈昕 ,  王兴涛 ,  马陈悦 ,  张雁晧 ,  李长帅

IPC: G06V20/10 ,  G06V10/80 ,  G06V10/774 ,  G06V10/82 ,  G06V10/40 ,  G06N3/0464 ,  G06N3/0985

Abstract: 本发明公开了一种基于聚合特征增强网络的SAR船舰检测方法，包括步骤如下：S1，获取SAR图像数据集，对SAR图像数据集进行预处理后按照设定的比例划分为训练集、验证集和测试集；S2，搭建SAR船舰检测网络，所述SAR船舰检测网络包括依次连接的主干网络、Neck网络、探测头部分，其中主干网络和Neck网络协同处理特征图；S3，将训练集和验证集输入SAR船舰检测网络中训练，计算CIOU损失函数并进行反向传播，更新网络参数，获取最佳参数模型；S4，将测试集输入到训练好的最佳参数模型中，输出SAR图像的精确识别图。本发明能有效应对合成孔径雷达船舰检测中存在的问题，并提供高精度的检测方法。

公开(公告)号：CN118261926A

公开(公告)日：2024-06-28

申请号：CN202410473561.7

申请日：2024-04-19

Applicant: 无锡学院

Inventor： 陈戈 ,  张银胜 ,  李长帅 ,  张雁皓 ,  孟祥源 ,  沙子乔 ,  王奕琨

IPC: G06T7/11 ,  G06V10/26 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种基于多层特征信息融合的滑坡图像分割方法，具体为：获取滑坡图像数据集，并进行预处理后划分为训练集和验证集；构建基于多层特征信息融合的滑坡图像语义分割网络模型，包括编码器和解码器两部分，其中，编码器由主干网络、级联带状空间金字塔池化模块和高效通道注意力模块构成，解码器由多层特征信息融合结构构成；利用训练集和验证集分别对网络模型进行训练和验证，计算损失函数并进行反向传播，更新网络模型参数，得到训练好的滑坡图像语义分割网络模型；将待分割的滑坡图像输入到训练好的滑坡图像语义分割网络模型中，得到待分割滑坡图像的分割结果。本发明通过增强滑坡图像的边缘信息提升对滑坡区域的检测能力。

公开(公告)号：CN117173786A

公开(公告)日：2023-12-05

申请号：CN202311141055.X

申请日：2023-09-06

Applicant: 无锡学院

Inventor： 徐萌兮 ,  徐浩宇 ,  朱菊香 ,  许雪 ,  王晟懿 ,  陈璐 ,  李长帅 ,  岳曾豪

IPC: G06V40/20 ,  G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G06V20/40

Abstract: 本发明公开了一种复杂场景下跌倒检测方法、系统、电子设备及介质，所述方法包括：S1：获取视频帧中包含人体的检测框区域；S2：建立VGG‑BiNLSTM跌倒行为检测模型：所述VGG‑BiNLSTM跌倒行为检测模型包括VGG网络、BiNLSTM网络；所述BiNLSTM网络构建过程为：改进LSTM网络，将LSTM网络预设的存储单元嵌套到原始LSTM网络存储单元中，构建NLSTM网络存储单元；S3：采用VGG网络对视频帧中包含人体的检测框区域进行特征提取，以捕获人体行为的特征向量；将特征向量送入VGG‑BiNLSTM跌倒行为检测模型中，利用连续帧之间的时序信息，实现对跌倒行为的检测与识别。通过本发明方法以解决传统的深度学习的跌倒检测方式可泛化性低的技术问题，实现对行人跌倒行为的准确检测。

公开(公告)号：CN117994140A

公开(公告)日：2024-05-07

申请号：CN202410173456.1

申请日：2024-02-07

Applicant: 无锡学院

Inventor： 童俊毅 ,  张银胜 ,  何秉坤 ,  张培琰 ,  孟祥源 ,  张雁皓 ,  李长帅

IPC: G06T5/00 ,  G06T5/77 ,  G06T5/50 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/084 ,  G06N3/048

Abstract: 本发明公开了一种基于多尺度特征增强的合成孔径光学图像复原方法，包括步骤：S1，根据真实光学系统测得的点扩散函数对遥感数据集进行仿真退化实验，获得遥感数据集的退化图像，将遥感数据集和退化图像预处理后按设定的比例划分为训练集、验证集和测试集；S2，搭建基于多尺度特征增强的合成孔径光学图像复原网络；S3，将训练集和验证集输入合成孔径光学图像复原网络中训练，计算损失函数并进行反向传播，更新网络参数，获取最佳的参数模型；S4，将测试集输入到步骤S3获得的最佳参数模型中，输出合成孔径光学系统的复原图像。本发明解决了传统图像复原方法需要人工设计退化模型的困难和振铃现象带来的伪影干扰。

公开(公告)号：CN117351372A

公开(公告)日：2024-01-05

申请号：CN202311418100.1

申请日：2023-10-30

Applicant: 无锡学院

Inventor： 单梦姣 ,  张银胜 ,  胡宇翔 ,  余飞 ,  张雁皓 ,  李长帅

IPC: G06V20/13 ,  G06V20/56 ,  G06V10/26 ,  G06V10/774 ,  G06V10/82 ,  G06V10/80 ,  G06V10/44 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/048 ,  G06N3/045

Abstract: 本发明公开了一种基于改进DeeplabV3+的遥感图像道路分割方法，包括步骤：S1，获取遥感道路图像数据集，对数据集进行预处理后按照设定的比例划分为训练集和测试集；S2，通过构建基于改进DeeplabV3+的遥感图像道路分割网络，得到精准的遥感道路分割图；S3，将步骤S1中得到的训练集输入至遥感道路图像语义分割网络中进行训练，计算损失函数并进行反向传播，更新网络参数，获取最佳参数模型；S4，将步骤S1中得到测试集输入到步骤S3中训练好的最佳参数模型中，输出遥感道路图像的精确分割图。本发明能提升对小目标物体的分割能力，解决道路分割中边界模糊和阴影遮挡难以区分的问题，确保道路分割的精度和效率。

公开(公告)号：CN117115857A

公开(公告)日：2023-11-24

申请号：CN202310996301.3

申请日：2023-08-09

Applicant: 无锡学院

Inventor： 徐焕宇 ,  王晟懿 ,  徐浩宇 ,  陈璐 ,  李长帅 ,  徐萌兮

IPC: G06V40/10 ,  G06V10/774 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明公开了一种基于多域特征差异的域自适应行人重识别方法，属于行人重识别的技术领域；本发明提出的基于多域特征差异的域自适应行人重识别方法通过域内归一化模块消除域内显著风格特征，降低源域和目标域极端风格差异的影响。此外，本发明还通过多域特征融合模块实现不同域融合特征共同训练，提高网络的泛化能力。本发明算法在以Market‑1501、DukeMTMC‑ReID两个数据集互为源域目标域上进行了大量实验，实验结果表明，本发明提出的基于多域特征差异的行人重识别算法对于域自适应行人重识别算法有着显著提升。

公开(公告)号：CN118314434A

公开(公告)日：2024-07-09

申请号：CN202410257888.0

申请日：2024-03-07

Applicant: 无锡学院

Inventor： 王硕洋 ,  单慧琳 ,  段修贤 ,  陈前杭 ,  李长帅 ,  张雁晧 ,  陈昕

IPC: G06V10/82 ,  G06V10/80 ,  G06V10/40 ,  G06N3/0464

Abstract: 本发明公开了一种遥感图像目标检测方法，包括：收集遥感图像数据集，对数据集进行标注，制作YOLO格式的遥感图像数据集，并划分为训练集和测试集；搭建基于增强感受野的多尺度神经网络，主要由输入端口、主干网络、颈部网络和检测头四个部分构成，其中主干网络和颈部网络构成增强小目标特征的多尺度神经网络的主模块；将训练集的遥感图像输入至增强感受野的多尺度神经网络中进行训练和验证，获取最佳的检测模型；利用经过训练和验证的最佳模型对测试集进行目标检测。本发明提供一种增强感受野的多尺度遥感图像目标检测方法，解决了现阶段遥感图像目标检测算法存在的问题。

公开(公告)号：CN118196496A

公开(公告)日：2024-06-14

申请号：CN202410304277.7

申请日：2024-03-18

Applicant: 无锡学院

Inventor： 刘文星 ,  单慧琳 ,  胡宇翔 ,  李长帅 ,  张雁皓 ,  余飞

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/52 ,  G06V10/10 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/09

Abstract: 本发明公开了一种基于多尺度特征增强网络的SAR船舰检测方法，包括步骤如下：S1，获取SSDD合成孔径雷达图像数据集以及HRSID数据集，对数据集进行预处理后按照设定的比例划分为训练集、验证集和测试集；S2，搭建多尺度特征增强网络；S3，将步骤S1中经过预处理的训练集和验证集的SAR图像输入至多尺度特征增强网络中训练，计算损失函数并进行反向传播，更新网络参数，获取最佳参数模型并保存；S4，将步骤S1中经过预处理的测试集输入到步骤S3中训练好的最佳参数模型中，输出SAR图像的精确识别图。本发明能有效应对合成孔径雷达船舰检测中存在的问题，并提供高精度的检测方法。

公开(公告)号：CN220652402U

公开(公告)日：2024-03-22

申请号：CN202321461732.1

申请日：2023-06-08

Applicant: 无锡学院

Inventor： 张培琰 ,  单慧琳 ,  张轩赫 ,  赵子康 ,  李长帅 ,  段修贤 ,  蒋力忠

IPC: H01R13/10 ,  H01R13/639 ,  H01R13/631 ,  H01R13/627

Abstract: 本实用新型提供一种可调节防松动插座，属于插座技术领域；包括壳体、插套组件、调节组件和端子组件，所述壳体一端开设若干个插口，所述插套组件和调节组件安装在壳体内部，所述端子组件与壳体连接；采用调节组件对插套组件的两个导电片进行距离调节，使得其能够改变夹紧的程度，解决因松动造成与插头之间的接触不良问题，只需要转动螺杆即可调节两个导电片的松紧程度，适用不同需求，方便快捷。