-
公开(公告)号：CN110625643B
公开(公告)日：2024-07-23
申请号：CN201910960696.5
申请日：2019-10-11
Applicant: 南通大学
Abstract: 本发明公开了一种用于光伏组件清扫机器人运输小车的向下锁止装置，运输轨道布置于各排光伏组件一侧，并与光伏组件边缘相平行，运输小车搭载清扫小车行走于运输轨道之上，运输轨道内侧设置有若干锁止轨道框，运输小车上装有四套车载锁止装置，向下锁止装置包括车载锁止装置及锁止轨道框，该发明结构合理，通过内设有纵向的丝杠锁柱的第一锁止装置、第二锁止装置、第三锁止装置和第四锁止装置，实现运输小车纵向锁止功能，解决了运输小车在运行过程中因重力作用和其它意外而产生滑移的问题，提高了机器人运行过程中的安全性。
-
公开(公告)号：CN117854009B
公开(公告)日：2024-07-19
申请号：CN202410126064.X
申请日：2024-01-29
Applicant: 南通大学
Abstract: 本发明公开了一种交叉协作融合的轻量化跨模态人群计数方法，本发明主要针对现有人群计数方法存在模型庞大，推理速度很慢两个问题，设计一种改进的人群计数方法。将RGB图像和热成像两种模态的图像经过预处理输入模型，首先为五层权重共享编码器提取特征，然后由跨策略增强编码器重新分配通道注意力，通过交叉注意力重新加权特征反应，将输出的三、四、五层特征扩大其感受野，并对其进行跨尺度跨模态解码，最后将特征总和经过回归器回归密度图生成预测人数，通过不断缩小与实际人数之间的差距，以提高人群计数的精度。
-
公开(公告)号：CN116824695B
公开(公告)日：2024-07-19
申请号：CN202310669202.4
申请日：2023-06-07
Applicant: 南通大学
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于特征去噪的行人再识别非局部防御方法。本发明包括以下步骤：步骤1、输入P×K张彩色图像至行人再识别非局部防御网络；步骤2、通过对输入的图像进行通道级图像擦除处理；步骤3、利用Resnet50网络和基于非局部特征去噪块，捕获特征之间的相似性；步骤4、通过联合损失函数，训练出性能良好的防御网络；步骤5、利用步骤3获得的对齐的深层特征对浅层特征进行解耦知识蒸馏；步骤6、若达到指定的训练轮数，则结束；否则继续完成训练，返回步骤1。本发明在使用非局部防御方法NFD改进现有行人再识别模型的基础上，显著提高了模型在面对攻击时的识别准确率。
-
公开(公告)号：CN117456449B
公开(公告)日：2024-06-25
申请号：CN202311331334.2
申请日：2023-10-13
Applicant: 南通大学
IPC: G06V20/52 , G06V10/44 , G06V10/46 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明提供了一种基于特定信息的高效跨模态人群计数方法，属于深度学习和计算机视觉技术领域。解决了低照度环境下人群计数精度不高，误差较大的技术问题。其技术方案为：使用热红外图像作为RGB图像信息的补充，通过探索模态共享信息和特定信息的表达，充分结合两种模态的互补特征和各自的特有特征，有效提高在低照度环境下人群计数的精度。本发明的有益效果为：本发明的方法用于学习和融合两种模态特征的表示，以增强对光照不足问题的鲁棒性，从而提高人群计数的准确率。
-
公开(公告)号：CN117292421B
公开(公告)日：2024-05-28
申请号：CN202311173058.1
申请日：2023-09-12
Applicant: 南通大学
IPC: G06V40/16 , G06V40/18 , G06V10/77 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明属于计算机视觉领域，具体涉及一种基于GRU的连续性视线估计深度学习方法，步骤如下：定义图像特征空间和GRU的隐藏状态空间维度；利用预训练的ResNet‑50模型，对输入的人脸图像进行特征提取并进行特征降维处理；处理图像特征向量，得到模型隐藏状态；将隐藏状态输入到GRU进行时间序列建模，生成输出向量；对输出向量进行特征映射，得到新的特征向量；将新的特征向量映射为三维输出向量；对三维输出向量的前两个元素进行双曲正切变换；对三维输出向量的第三个元素通过sigmoid函数变换；利用PinBall损失函数度量预测结果与真实值之间的误差。本发明中同时使用了ResNet‑50模型和GRU模型，在连续性视线估计任务中具有高准确性和有效性。
-
Patent Agency Ranking
公开(公告)号：CN117854009A
公开(公告)日：2024-04-09
申请号：CN202410126064.X
申请日：2024-01-29
Applicant: 南通大学
Abstract: 本发明公开了一种交叉协作融合的轻量化跨模态人群计数方法，本发明主要针对现有人群计数方法存在模型庞大，推理速度很慢两个问题，设计一种改进的人群计数方法。将RGB图像和热成像两种模态的图像经过预处理输入模型，首先为五层权重共享编码器提取特征，然后由跨策略增强编码器重新分配通道注意力，通过交叉注意力重新加权特征反应，将输出的三、四、五层特征扩大其感受野，并对其进行跨尺度跨模态解码，最后将特征总和经过回归器回归密度图生成预测人数，通过不断缩小与实际人数之间的差距，以提高人群计数的精度。
-
公开(公告)号：CN117744714A
公开(公告)日：2024-03-22
申请号：CN202311835225.4
申请日：2023-12-28
Applicant: 南通大学
IPC: G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于回调的深度神经网络错误定位方法，分为模型准备、错误检测、统计分析三个步骤。在模型准备阶段，选择合理的DNN模型以满足问题需求。错误检测阶段持续跟踪关键参数，通过回调机制监控训练损失、验证损失、训练准确率和验证准确率等参数。统计分析阶段运用滑动平均、变化率计算、阈值判定和可视化分析等方法，准确定位模型中的错误，提高深度学习模型的诊断精度和全面性。针对DNN模型中的欠拟合和过拟合问题进行错误定位，实现了对深度学习模型训练问题的实时诊断与定位，提高了定位的全面性和精确性，为深度学习模型的错误诊断提供更加全面的支持。
-
公开(公告)号：CN110420955B
公开(公告)日：2024-03-01
申请号：CN201910813117.4
申请日：2019-08-30
Applicant: 南通大学
Abstract: 本发明公开了一种光伏清扫机器人与光伏组件对齐的自动定位装置及方法，本发明所涉及到的装置和方法可用于光伏组件的清扫机器人系统中，可使清扫机器人不受光伏组件的安装高度、角度及误差的影响，实现清扫机器人与各排光伏组件的准确定位；实现单台清扫机器人对多排光伏组件的自动清扫；实现对不同安装角度的光伏组件进行自动清扫；实现对不同安装高度的组件进行自动清扫。
-
公开(公告)号：CN117315536A
公开(公告)日：2023-12-29
申请号：CN202311240937.1
申请日：2023-09-25
Applicant: 南通大学
Abstract: 本发明公开了一种在线学习专注度监测方法及系统，首先构建数据采集模块、特征提取模块，然后计算眼睛纵横比、嘴部纵横比、头部姿态欧拉角、并构建视线估计模型，然后构建注意力检测模块，通过输入在线学习者的视频，获得眼睛纵横比、嘴部纵横比、头部姿态欧拉角、眼睛视线方向，然后应用注意力检测模块，设置注意力检测模块阈值，大于等于阈值判断为注意力分散，小于阈值为注意力集中；本发明仅需要带摄像头的电脑，不需要佩戴其他额外的仪器，就可以判断在线学习者注意力是否集中，学生常用的笔记本电脑即可满足本发明的环境要求，本发明具有开销较小、较为便利、较强的鲁棒性、较好的精准度等优点。
-
公开(公告)号：CN117292421A
公开(公告)日：2023-12-26
申请号：CN202311173058.1
申请日：2023-09-12
Applicant: 南通大学
IPC: G06V40/16 , G06V40/18 , G06V10/77 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明属于计算机视觉领域，具体涉及一种基于GRU的连续性视线估计深度学习方法，步骤如下：定义图像特征空间和GRU的隐藏状态空间维度；利用预训练的ResNet‑50模型，对输入的人脸图像进行特征提取并进行特征降维处理；处理图像特征向量，得到模型隐藏状态；将隐藏状态输入到GRU进行时间序列建模，生成输出向量；对输出向量进行特征映射，得到新的特征向量；将新的特征向量映射为三维输出向量；对三维输出向量的前两个元素进行双曲正切变换；对三维输出向量的第三个元素通过sigmoid函数变换；利用PinBall损失函数度量预测结果与真实值之间的误差。本发明中同时使用了ResNet‑50模型和GRU模型，在连续性视线估计任务中具有高准确性和有效性。
-
-
-
-
-
-
-
-
-
Search Results
144
records
(took 0.033 seconds)
