公开(公告)号：CN115035550B

公开(公告)日：2024-08-13

申请号：CN202210678342.3

申请日：2022-06-13

Applicant: 湖北工业大学

Inventor： 宗欣露 ,  徐缘 ,  陈祯 ,  王春枝 ,  叶志伟 ,  陈宏伟 ,  刘伟

IPC: G06V40/10 ,  G06V10/82 ,  G06V10/40 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明针对中心和尺度预测的(Central and Scale Prediction，CSP)行人检测模型在复杂场景下出现漏检或者误检的问题，提出了一种基于改进的CSP网络的行人检测方法，首先将原主干网络Resnet50替换为Resnet101，使得网络能够更好的提取被其它物体遮挡的特征。其次引入了基于通道和压缩注意力机制的方法，以获得更高的训练速度和检测速度。最后利用非极大值抑制算法形成最优先验候选框数量以及难样本的再训练。经实验表明该算法在cityperson数据集上，严重遮挡和部分遮挡的指标比当前的行人检测算法的性能有所提高，在公共数据集上取得了较好的鲁棒性。

公开(公告)号：CN116311880A

公开(公告)日：2023-06-23

申请号：CN202211464985.4

申请日：2022-11-22

Applicant: 湖北工业大学

Inventor： 宗欣露 ,  陈祯 ,  王春枝 ,  叶志伟 ,  刘伟 ,  陈宏伟

IPC: G08G1/01 ,  G06Q10/04 ,  G06Q50/26 ,  G06F18/214 ,  G06F18/27 ,  G06F18/2411 ,  G06F18/25 ,  G06N3/042 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464

Abstract: 本发明提供了一种基于局部‑全局时空特征融合的交通流量预测方法及设备，所述方法包括：步骤一至步骤五。本发明在兼顾时序信息顺序相关的同时获取了交通速度预测的全局时间信息，通过融合时间和空间局部与非局部信息提升模型的学习能力，模型具有更高的预测精度。

公开(公告)号：CN115035550A

公开(公告)日：2022-09-09

申请号：CN202210678342.3

申请日：2022-06-13

Applicant: 湖北工业大学

Inventor： 宗欣露 ,  徐缘 ,  陈祯 ,  王春枝 ,  叶志伟 ,  陈宏伟 ,  刘伟

IPC: G06V40/10 ,  G06V10/82 ,  G06V10/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明针对中心和尺度预测的(Central and Scale Prediction，CSP)行人检测模型在复杂场景下出现漏检或者误检的问题，提出了一种基于改进的CSP网络的行人检测方法，首先将原主干网络Resnet50替换为Resnet101，使得网络能够更好的提取被其它物体遮挡的特征。其次引入了基于通道和压缩注意力机制的方法，以获得更高的训练速度和检测速度。最后利用非极大值抑制算法形成最优先验候选框数量以及难样本的再训练。经实验表明该算法在cityperson数据集上，严重遮挡和部分遮挡的指标比当前的行人检测算法的性能有所提高，在公共数据集上取得了较好的鲁棒性。