-
公开(公告)号：CN118570625A
公开(公告)日：2024-08-30
申请号：CN202411052999.4
申请日：2024-08-02
Applicant: 南开大学
IPC: G06V20/05 , G06N3/0455 , G06N3/0464 , G06N3/082 , G06V10/25 , G06V10/34 , G06V10/77 , G06V10/82
Abstract: 本发明提供一种基于二次降质的水下显著物体目标检测方法，涉及目标检测技术领域，该方法包括：基于媒介透射分支及导向滤波法对原始图像进行卷积，并通过四叉树算法计算所述原始图像的全局背景光，获得水下增强图；对所述水下增强图进行二次降质无监督学习，获得二次增强图；对所述二次增强图及所述二次增强图对应的二次传输图进行多流特征提取，获得检测网络；通过所述检测网络对待检测图像进行水下显著物体目标检测。本发明能够提升了在复杂水下环境中显著性目标检测的适应性，提高了检测精度及鲁棒性。
-
公开(公告)号：CN117315453A
公开(公告)日：2023-12-29
申请号：CN202311552299.7
申请日：2023-11-21
Applicant: 南开大学
Abstract: 本发明涉及图像通讯技术领域，尤其涉及一种基于水下声纳图像的水下小目标检测方法，包括如下步骤：搭建目标检测深度神经网络并组建可见光目标检测训练集与验证集，并进行第一阶段的训练；模型训练；组建带噪声的可见光数据集和水下声纳数据集并进行第二阶段的训练；噪声滤除训练；组建水下声纳图像目标检测训练集与验证集并进行第三阶段的训练，得到最终的目标检测深度神经网络。本发明提供的方法适用于水下小目标的精准检测，并且训练检测速度比较快。
-
公开(公告)号：CN117315223A
公开(公告)日：2023-12-29
申请号：CN202311147106.X
申请日：2023-09-07
Applicant: 南开大学
IPC: G06V10/25 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455
Abstract: 本发明涉及计算机视觉技术领域，提供一种基于transformer架构的目标检测方法。该方法包括：组建训练集对主干网络进行预训练；创建融合模块细化低层特征图，并融合低层特征图和经编码器处理的高层特征图；创建感知选择模块选取高质量token并为解码器初始化对象查询；创建感知选择模块去除memory特征层中的无用token以优化解码器；为真实目标检测框添加不同尺度噪声获得正负样本去噪组，通过对多组正负样本去噪组、对象查询和memory特征层进行交叉注意力操作获得训练损失；训练整体网络获得目标检测器以获得检测结果。本发明可以提高对兴趣目标检测的准确性以及识别速度，从而提高目标检测任务的自动化、智能化水平。
-
公开(公告)号：CN116974207B
公开(公告)日：2023-12-08
申请号：CN202311218229.8
申请日：2023-09-21
Applicant: 南开大学
Abstract: 本发明涉及无人飞行器控制技术领域，提供一种伞翼无人机串级控制方法。该方法包括：对伞翼无人机进行动力学建模获取运动信息；根据运动信息计算伞翼无人机的导引律输出伞翼无人机的期望航向；根据期望航向计算获得以航向为控制量的伞翼无人机的外环控制器，外环控制器输出定义为所述伞翼无人机的期望加速度；将期望加速度转换为滚转角并计算获得以滚转角为控制量的伞翼无人机的内环控制器；根据运动信息设置伞翼无人机的纵向控制器；以外环控制器和内环控制器为伞翼无人机的航向控制器的双通道，对航向控制器与纵向控制器进行数字仿真分析获得优化后的控制参数以控制伞翼无人机。本发明有效提高了伞翼无人机控制系统的航迹控制能力。(56)对比文件谢志刚;陈自力.基于预测控制和动态逆算法的翼伞飞行控制.探测与控制学报.2011,(第04期),全文.
-
公开(公告)号：CN116931004A
公开(公告)日：2023-10-24
申请号：CN202311196076.1
申请日：2023-09-18
Applicant: 南开大学
Abstract: 本发明涉及导航系统欺骗检测技术领域，提供一种基于加权卡尔曼增益的GNSS缓变欺骗检测方法。包括：通过滑动窗口在量测更新过程中获取卫星的观测归一化新息并进行累加，获得累加归一化新息；根据累加归一化新息计算加权卡尔曼增益，通过加权卡尔曼增益对卫星进行状态更新，获得滤波状态向量；遍历在量测更新时刻的所有可见卫星，根据多个卫星的滤波状态向量计算所有卫星的归一化新息平方和，获得检验统计量；给定虚警率，通过虚警率计算获得检测门限；比较检验统计量和检测门限，若检验统计量大于检测门限则存在欺骗干扰，否则无欺骗干扰。本发明抑制了有害新息对组合导航滤波器的污染，提高了欺骗入侵后准确新息的保持时间。
-
Patent Agency Ranking
公开(公告)号：CN105974823B
公开(公告)日：2018-11-13
申请号：CN201610416727.7
申请日：2016-06-14
Applicant: 南开大学
IPC: G05B17/02
Abstract: 一种氧气面罩呼吸腔压力调节半实物仿真系统。半实物仿真系统中的肺式调节阀结构数学模型、呼气阀门数学模型、呼吸数学模型和面罩呼吸腔数学模型由PC机中的Matlab平台实现，分别用来描述肺式调节阀结构、呼气阀门、呼吸过程和面罩呼吸腔内的气体流量特性。半实物仿真系统中的控制系统以STM32F407IGT6微处理器为核心，用来运行控制算法。PC机与控制系统通过RS232串口进行通讯。本发明是氧气面罩呼吸腔压力调节器控制方案开发过程中对比不同控制算法效率的半实物仿真系统，具有控制算法与应用对象结构灵活、接口通用等优点，可提前发现问题并及时解决，缩短了控制方案的开发周期，节约成本。
-
公开(公告)号：CN119540782B
公开(公告)日：2025-04-08
申请号：CN202510090618.X
申请日：2025-01-21
Applicant: 南开大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明涉及计算机视觉技术领域，提供YOLO模型的垃圾检测方法、系统、设备、产品及介质，包括获取检测数据集，对检测数据集进行重分类，得到分类集；选取骨干网络，构建特征提取卷积模块，将特征提取卷积模块嵌入骨干网络中；选取颈部网络，构建SAC‑Net模块，将SAC‑Net模块嵌入颈部网络中，并将颈部网络与骨干网络连接；构建包括EIOU损失函数的边界框损失模块，通过边界框损失模块构建检测头，并将检测头与颈部网络连接；构建包括骨干网络、颈部网络和检测头的初始分类模型；根据分类集对初始分类模型进行配置，对初始分类模型进行训练，得到目标分类模型。本发明有效提升了分类模型分类的准确率。
-
公开(公告)号：CN119478911A
公开(公告)日：2025-02-18
申请号：CN202510060730.9
申请日：2025-01-15
Applicant: 南开大学
IPC: G06V20/60 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/082
Abstract: 本发明涉及红外图像检测技术领域，提供一种改进型红外小目标检测方法、系统及装置。获取并预处理图像，获得预处理后的图像；基于YOLOv9框架建立网络模型，预处理后的图像输入网络模型后，依次经过主干网络、多尺度特征融合网络处理，并由检测头模块检验合格后输出；主干网络包括SD_BS模块，多尺度特征融合网络包括GSELAN模块。本发明通过引入了SD_BS模块和GSELAN模块，解决了深度卷积造成的浅层信息的丢失的技术问题，达到了缓解深度卷积造成的浅层信息的丢失，同时减小模型复杂度与计算量，增强特征的非线性表达能力，更高效地捕获和利用特征中的信息的技术效果。
-
公开(公告)号：CN118552841B
公开(公告)日：2024-12-17
申请号：CN202411030992.2
申请日：2024-07-30
Applicant: 南开大学
IPC: G06V20/05 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/09 , G06V10/46 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明提供一种基于多模态任务驱动增强的水下显著物体检测方法，包括：通过泛化先验指导的卷积模块建立媒介透射分支，通过媒介透射分支对原始图像进行卷积，获得媒介透射图；通过四叉树算法计算原始图像的全局背景光，获得水下增强图；基于泛化暗通道先验算法计算原始图像中的环境光，获得介质传输图；对媒介透射图及介质传输图计算均方误差损失，通过均方误差损失指导媒介透射分支；将水下增强图与媒介透射图进行跨模态特征融合及多流特征提取，获得显著性图。本发明能够提高对水下特定环境的适应性，而且确保了增强水下图像直接适用于USOD任务，提高了检测的准确性和鲁棒性。
-
公开(公告)号：CN118628882A
公开(公告)日：2024-09-10
申请号：CN202411111035.2
申请日：2024-08-14
Applicant: 南开大学
IPC: G06V10/80 , G06N3/045 , G06N3/0464 , G06V10/40 , G06V10/764 , G06V10/82
Abstract: 本发明涉及红外图像目标检测技术领域，提供一种基于YOLO的红外图像目标检测方法，包括：采用CSPDarknet作为主干网络，包括CBS模块和C2f模块；通过CBS模块对红外图像进行CBS处理，获得第一CBS结果，通过C2f模块对第一CBS结果进行特征提取，获得第一特征、第二特征和第三特征；对第一特征、第二特征和第三特征进行处理，获得第一融合特征、第二融合特征和第三融合特征；通过YOLOv8s检测头网络分别对第一融合特征、第二融合特征和第三融合特征进行分类和定位，获得检测结果集合，获得目标检测结果。本发明实现了具备更低计算量和更高检测精度的红外图像目标检测方法。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.018 seconds)
