-
公开(公告)号：CN117253154B
公开(公告)日：2024-02-13
申请号：CN202311434817.5
申请日：2023-11-01
Applicant: 华南农业大学
IPC: G06V20/10 , G06V10/20 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于深度学习的集装箱弱小序列号目标检测识别方法，该方法对数据集通过PPOCRLabel完成半自动标注和LabelImage进行手动标注并进行Mosaic‑6数据增强获得丰富的训练样本；加入替代YOLOv5s中CSP模块的Swin‑Transformer编码器改进特征提取，引入深度可分离卷积层，提取更为充分的全局上下文特征；改进YOLOv5s中颈部网络模块的特征融合网络，并将颈部网络的Upsample层改为CARAFE，提升对微小尺度特征映射的融合能力；增加微小尺度检测头Transformer Prediction Head，引入BiFormer注意力机制层，针对性增强细粒度的细节；将损失函数CIOU LOSS换为EIOU LOSS，稳定模型的权重集。该方法增强了对于自然场景下的矩形文本框弱小目标检测识别能力，对于集装箱弱小序列号目标检测识别任务有更强的鲁棒性、准确率和效率。
-
公开(公告)号：CN115546742A
公开(公告)日：2022-12-30
申请号：CN202211323105.1
申请日：2022-10-27
Applicant: 华南农业大学
Abstract: 本发明涉及一种基于单目热红外摄像头的铁轨异物识别方法及系统。包括：在传统的半自动标注算法基础上利用了多种不同网络模型进行半自动标注，获得带有更为精确的半自动图像轮廓信息；在语义分割网络中，将热感图像特征图和基于热感图像灰度处理的特征图进行融合，并增加了权重因子规格化模块操作，获得异物分割图；提出基于改进的跨模态融合的主干神经网络，通过transformer将分割图和热红外图的跨模态特征点和模态信息进行融合，利用蒸馏学习方法压缩网络参数实现了轻量级的异物识别；提出一种监控报警设备，用于监控和报警铁轨异物入侵；本发明提高了在各种环境下铁轨异物识别的效率和准确度，能够有效降低异物入侵铁轨造成列车事故的可能性。
-
公开(公告)号：CN114240789A
公开(公告)日：2022-03-25
申请号：CN202111569108.9
申请日：2021-12-21
Applicant: 华南农业大学
Abstract: 本发明涉及一种基于优化的保持亮度的红外图像直方图均衡增强方法，包括以下步骤：S1、采用自适应曝光率和模糊率的阈值选取方法选取原始红外图像阈值，并以该阈值为标准将原始图像划分成两个子图；S2、将灰度值大于阈值的子图进行限制对比度自适应直方图均衡处理；S3、将灰度值小于阈值的子图进行基于自适应亮度的暗通道先验算法的HSV颜色空间转换增强处理；S4、将处理后的两个子图进行融合形成效果图。本发明不仅提高了热红外图像增强质量，在能够有效保持细节信息的前提下，适用于低照度、高亮度红外图像，还能降低噪声，使得红外图像细节更加突显，更加地接近真实影像。
-
公开(公告)号：CN110674779A
公开(公告)日：2020-01-10
申请号：CN201910943722.3
申请日：2019-09-30
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于特征融合的单目远红外行人检测方法，包括以下步骤：对原始红外图像按不同比例进行缩放，得到相应的缩放红外图像；对缩放红外图像使用局部自适应双阈值分割二值化；将得到的二值图进行形态学处理；搜索处理后的二值图，并进行过滤，得到初步候选区域(ROIs)；将初步ROIs进行滑窗，得到一系列滑窗ROIs；对ROIs计算特征值，再进行归一化处理后输入第一个支持向量机(SVM)分类器和第二个SVM个分类器级联进行决策，得到初步行人检测框；调用非极大值抑制算法对初步行人检测框进行计算，得到最终行人检测框；本发明能适应不同距离检测，克服行人图像断裂情况，且提高了行人检测准确性。
-
公开(公告)号：CN114926456B
公开(公告)日：2025-02-25
申请号：CN202210669222.7
申请日：2022-06-14
Applicant: 华南农业大学
IPC: G06T7/00 , G06V10/25 , G06V10/26 , G06V10/28 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了一种半自动标注和改进深度学习的铁轨异物检测方法，包括：基于热红外人体分割结果，半自动标注数据集；针对铁轨户外全天候环境，对ResNet 50神经网络进行改进完成对不同环境场景的识别；根据场景识别的结果，对YOLOv5神经网络进行改进，识别铁轨异物；对图片进行铁轨轮廓提取，结合异物位置，设计了针对铁轨异物入侵的报警策略，进行分等级的报警判断。通过引入深度学习的场景分类结合改进的目标识别网络，本发明提高了不同环境场景下的铁轨异物识别的效果，提升了对异物入侵铁轨报警的精准度，结合科学的报警策略，降低了异物入侵铁轨造成列车事故的可能性。
-
Patent Agency Ranking
公开(公告)号：CN118982843A
公开(公告)日：2024-11-19
申请号：CN202411062312.5
申请日：2024-08-05
Applicant: 华南农业大学
IPC: G06V40/10 , G06V10/26 , G06T5/50 , G06V10/764 , G06V10/774 , G06T5/77 , G06T3/4007 , G06N3/048 , G06N3/0464 , G06N3/084
Abstract: 本发明公开一种基于深度学习的轻量型恶劣环境下行人检测方法，该方法包括以下步骤：(1)采集复杂道路场景下的多模态数据进行预处理和标注；(2)通过DIVFusion对采集的多模态数据进行融合以得到融合数据；(3)对融合数据进行曝光校正与降噪；(4)改进YOLO‑MS检测网络；(5)利用训练出的改进YOLO‑MS检测模型完成行人检测；该方法采用可见光与红外融合的技术，设计了语义分割模块、降噪模块和轻量型的检测模块，对于恶劣环境下的行人检测有较大的提升，尤其是对于黑暗环境和如雨、雪、雾等复杂环境下的行人检测。
-
公开(公告)号：CN118710931A
公开(公告)日：2024-09-27
申请号：CN202410713133.7
申请日：2024-06-04
Applicant: 华南农业大学
IPC: G06V10/62 , G06V10/25 , G06V40/20 , G06V20/40 , G06V10/26 , G06V20/70 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/084 , G06N3/094 , G06N3/048
Abstract: 本发明公开一种基于基于改进SiamFC的人体头肩小目标跟踪方法，该方法对数据集通过背景差分算法完成半自动标注，并使用LabelImage进行手动标注获得丰富的训练样本；引入改进的通道注意力机制SE模块改进特征提取，从而构建SEMC特征提取模块；构建ASPP‑M多尺度空洞卷积模块，基于ASPP模块增加LEDIO模块进行多尺度卷积的预处理，引入SURF‑PCA模块和拉普拉斯滤波器与多尺度特征图进行特征融合；改进SiamFC主干网络AlexNet特征提取模块，引入混合高斯模型进行背景建模,引入SEMC模块和ASPP‑M模块，引入激活函数Relu和LRN局部归一，并增加残差连接。该方法增强了在复杂场景下人体头肩目标的跟踪能力；缓解网络训练时可能出现的梯度消失情形。
-
公开(公告)号：CN110674779B
公开(公告)日：2023-06-20
申请号：CN201910943722.3
申请日：2019-09-30
Applicant: 华南农业大学 , 广州飒特红外科技有限公司 , 广州飒特红外股份有限公司
IPC: G06V20/58 , G06V10/34 , G06V10/26 , G06V10/764 , G06V10/25 , G06V10/50 , G06V10/44 , G06V10/54 , G06V10/774 , G06V10/80 , G06V40/10
Abstract: 本发明公开了一种基于特征融合的单目远红外行人检测方法，包括以下步骤：对原始红外图像按不同比例进行缩放，得到相应的缩放红外图像；对缩放红外图像使用局部自适应双阈值分割二值化；将得到的二值图进行形态学处理；搜索处理后的二值图，并进行过滤，得到初步候选区域(ROIs)；将初步ROIs进行滑窗，得到一系列滑窗ROIs；对ROIs计算特征值，再进行归一化处理后输入第一个支持向量机(SVM)分类器和第二个SVM个分类器级联进行决策，得到初步行人检测框；调用非极大值抑制算法对初步行人检测框进行计算，得到最终行人检测框；本发明能适应不同距离检测，克服行人图像断裂情况，且提高了行人检测准确性。
-
公开(公告)号：CN110706235B
公开(公告)日：2023-05-23
申请号：CN201910812839.8
申请日：2019-08-30
Applicant: 华南农业大学
IPC: G06T7/11 , G06T7/136 , G06T7/187 , G06V10/764
Abstract: 本发明公开了一种基于双级级联分割的远红外行人检测方法，本发明采用中值滤波和拉普拉斯积分的预处理可以使得图像的轮廓加强；基于图模型的快速图像分割方法可以将图像中具有相近亮度的区域进行合并，从而可以列举出图像中可能存在物体的各局部区域；双阈值法和基于图模型的快速图像分割方法的联用可以使得分割结果更加的准确；基于先验知识层级合并的候选区域列举根据人体成像的特点，对人体区域优先进行合并，提高感兴趣区域的准确率，采用聚合通道特征和高低频红外图像有效的提高了系统的鲁棒性和实时性，二级级联分类器的使用使得分类结果更加的准确。
-
公开(公告)号：CN114926456A
公开(公告)日：2022-08-19
申请号：CN202210669222.7
申请日：2022-06-14
Applicant: 华南农业大学
IPC: G06T7/00 , G06V10/25 , G06V10/26 , G06V10/28 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种半自动标注和改进深度学习的铁轨异物检测方法，包括：基于热红外人体分割结果，半自动标注数据集；针对铁轨户外全天候环境，对ResNet 50神经网络进行改进完成对不同环境场景的识别；根据场景识别的结果，对YOLOv5神经网络进行改进，识别铁轨异物；对图片进行铁轨轮廓提取，结合异物位置，设计了针对铁轨异物入侵的报警策略，进行分等级的报警判断。通过引入深度学习的场景分类结合改进的目标识别网络，本发明提高了不同环境场景下的铁轨异物识别的效果，提升了对异物入侵铁轨报警的精准度，结合科学的报警策略，降低了异物入侵铁轨造成列车事故的可能性。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.034 seconds)
