公开(公告)号：CN120014238A

公开(公告)日：2025-05-16

申请号：CN202510114135.9

申请日：2025-01-24

Applicant: 无锡学院

Inventor： 朱硕 ,  张绪康 ,  刘政达 ,  宾杰 ,  赵轶昆 ,  江蕊 ,  汪宗洋

IPC: G06V10/25 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/045

Abstract: 本发明提供一种基于改进的YOLOv8模型的灰度图像目标检测方法，涉及图像目标检测的技术领域。首先，获取待检测的灰度图像。接着，构建改进的YOLOv8模型，在backbone主干网络中，利用SAConv变换空洞卷积层代替标准卷积层，以适应不同尺度的灰度图像特征；在Neck颈部网络中，引入EMA多尺度注意力层，以提升对灰度图像纹理细节的关注；在head检测头网络中，利用RFAConv区域特征自适应卷积层代替标准卷积层，以增强对灰度图像小目标区域的关注。最后，对改进的YOLOv8模型进行训练，得到训练好的改进的YOLOv8模型；将待检测的灰度图像输入至训练好的改进的YOLOv8模型，得到图像目标检测结果。本发明整体上使用了改进的YOLOv8模型，提高灰度图像目标检测的精确度。

公开(公告)号：CN119007040A

公开(公告)日：2024-11-22

申请号：CN202411009575.X

申请日：2024-07-26

Applicant: 无锡学院

Inventor： 朱硕 ,  过鑫炎 ,  宾杰 ,  张绪康 ,  赵轶昆 ,  孙佳豪 ,  汪宗洋

IPC: G06V20/17 ,  G06V10/80 ,  G06N3/0464

Abstract: 本发明公开了一种基于改进YOLOv7的无人机航拍车辆检测方法，包括以下步骤：步骤1：获取待识别航拍车辆图像集；步骤2：改进YOLOv7模型，所述改进后的YOLOv7模型包括依次连接的Backbone网络、Neck网络和Head网络；在Backbone网络中，引入GhostNet特征提取模块，所述GhostNet特征提取模块包括Ghost Module模块和Ghost Bottleneck模块；将GBL模块作为Ghost Module模块代替前四个CBS模块，采用BiFPN模块作为特征融合网络，优化原有的PANet结构；用MPDIoU损失函数代替原有的损失函数；在Neck网络中，用GEE‑w模块替代ELAN‑w模块，采用G‑SPPF模块替代SPPCSPC模块；步骤3：采用待识别航拍车辆图像集对改进YOLOv7模型进行训练；步骤4：将待测图像输入训练得到的改进YOLOv7模型中，得到识别结果。通过本发明方法提高了YOLOv7模型关于无人机航拍车辆目标的识别精度。

公开(公告)号：CN118840544A

公开(公告)日：2024-10-25

申请号：CN202411032154.9

申请日：2024-07-30

Applicant: 无锡学院

Inventor： 朱硕 ,  过鑫炎 ,  汪宗洋 ,  宾杰 ,  张绪康 ,  孙佳豪 ,  赵轶昆 ,  芮扬杰

IPC: G06V10/25 ,  G06V10/75 ,  G06V10/74 ,  G06V10/766 ,  G06V10/82 ,  G06V20/50 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/082 ,  G06V20/54 ,  G06V20/58

Abstract: 本发明公开了一种基于注意力机制融合特征的车辆目标检测方法，包括：步骤1：获取待识别车辆图像集；步骤2：改进YOLOv7模型，用MPDIoU loss代替原有的损失函数；所述改进后的YOLOv7模型包括依次连接的Backbone网络、Neck网络和Head网络；在Neck网络中，用MP‑EMA注意力机制替代MP模块，用SPPFCSPC‑EMA注意力机制替代SPPCSPC模块；所述MP‑EMA注意力机制包括第一分支和第二分支，第一分支包括依次连接的最大池化层和CBS模块，所述第二分支包括依次连接的EMA注意力机制和CBS模块；所述SPPFCSPC‑EMA注意力机制通过SPPFCSPC模块删卷积层后引入EMA注意力机制得到；所述Neck网络使用PAFPN结构来增强物体检测能力；步骤3：采用待识别车辆图像集对改进YOLOv7模型进行训练；步骤4：将待测图像输入训练得到的改进YOLOv7模型中，得到识别结果。