-
公开(公告)号：CN118397402A
公开(公告)日：2024-07-26
申请号：CN202410863073.7
申请日：2024-06-29
Applicant: 南昌大学
IPC: G06V10/774 , G06V10/82 , G06V20/10 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种轻量级小目标森林火灾检测模型的训练方法及系统，涉及森林火灾检测技术领域，该训练方法包括：获取关于森林火灾的初始图像数据集并进行数据增强；构建StarELAN网络，将StarELAN网络作为YOLOv9模型中特征提取的主网络，并对YOLOv9模型进行缩小调整，以轻量化YOLOv9模型；在轻量化的YOLOv9模型中增设小目标检测头，并在所有检测头中引入LSK注意力机制，以捕捉小目标森林火灾；构建Inner‑CIoU损失函数，并作为轻量级小目标森林火灾检测模型的最终损失函数；根据该损失函数，将数据增强后的初始图像数据集对轻量级小目标森林火灾检测模型进行检测训练。因此，基于该训练方法得到森林火灾检测模型能够快速准确地对小目标森林火灾进行检测。
-
公开(公告)号：CN116416672B
公开(公告)日：2023-08-29
申请号：CN202310685922.X
申请日：2023-06-12
Applicant: 南昌大学
IPC: G06V40/16 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于GhostNetV2的轻量化人脸与人脸关键点检测方法，使用GhostNetV2作为主干特征提取网络的人脸检测模型，并且为了提高对小人脸的检测，使用了由特征融合模块加权双向特征金字塔网络改进而来的分离的特征金字塔网络，为了提高对较大人脸的检测效果，在模型的检测头部分使用了级联上下文预测模块来增大感受野，并加入人脸关键点损失。最后针对WIDER FACE数据集进行分析，制定了合适的锚点分配策略。模型的总参数量为1.6M，在简单，中等，困难子集上的准确率分别达到93.13%，92.39%，84.11%，在CPU上对VAG图像进行推理，仅需要37.7ms。
-
公开(公告)号：CN116597139A
公开(公告)日：2023-08-15
申请号：CN202310501929.1
申请日：2023-05-06
Applicant: 南昌大学
IPC: G06V10/26 , G06V10/764 , G06V10/40 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于双分支结构的实时语义分割网络的方法，包括：准备训练和测试用的图像数据集；构建基于双分支结构的实时语义分割网络，包含细节分支、语义分支、融合层和分割头四个部分。在语义分支使用了专用于语义分割的骨干网络STDC网络，STDC网络能够提供更大的感受野，并且参数量更少，达到轻量级的效果；在细节分支和语义分支上分别使用了SE模块和SPM模块，达到在细节分支上使用通道注意力提取细节特征，在语义分支上使用空间注意力提取空间语义的效果；使用UAFM模块来融合细节特征信息和空间语义信息，能够充分地捕获上下文信息，获取物体更强的依赖信息，提升了网络的分割准确性；使用训练好的网络模型得到图像语义分割结果。
-
公开(公告)号：CN108171157A
公开(公告)日：2018-06-15
申请号：CN201711444861.9
申请日：2017-12-27
Applicant: 南昌大学
IPC: G06K9/00
Abstract: 本发明涉及基于多尺度局部块LBP直方图特征与Co‑HOG特征相结合的人眼检测算法，包括以下步骤：对作为训练样本的人眼图像进行大小归一化预处理；接着提取图像的多尺度局部块LBP直方图特征与Co‑HOG特征来表述人眼；然后利用连续AdaBoost算法训练级联分类器；最后得到的分类器能够在归一化后人脸图像中检测出人眼区域。本发明提出的人眼检测方法优点在于：检测精度高，检测速度快，抗干扰性强。
-
Patent Agency Ranking
公开(公告)号：CN118552929B
公开(公告)日：2024-11-26
申请号：CN202411021431.6
申请日：2024-07-29
Applicant: 南昌大学
IPC: G06V20/56 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种基于改进YOLOv8n的交通目标检测方法及系统，涉及自动驾驶和辅助驾驶技术领域，该方法包括：获取初始驾驶视频图像，划分为训练图像和待测图像；对现有的YOLOv8n模型进行改进以得到改进YOLOv8n模型，改进包括：将YOLOv8n模型中的C2f替换为StarDR_C2f，将YOLOv8n模型中的SPPF替换为具有大核条带卷积的SPPF‑LSKA，将YOLOv8n模型中的分类头进行轻量化处理，在YOLOv8n模型中加入轻量化下采样SCDown，在YOLOv8n模型中加入部分自注意力PSA；使用训练图像对改进YOLOv8n模型进行迭代优化训练，得到改进YOLOv8n的交通目标检测模型；将待测图像输入改进YOLOv8n的交通目标检测模型进行检测，输出交通目标检测结果。该方法能够提高自动驾驶和辅助驾驶技术领域中交通目标检测的准确率和效率。
-
公开(公告)号：CN118552929A
公开(公告)日：2024-08-27
申请号：CN202411021431.6
申请日：2024-07-29
Applicant: 南昌大学
IPC: G06V20/56 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种基于改进YOLOv8n的交通目标检测方法及系统，涉及自动驾驶和辅助驾驶技术领域，该方法包括：获取初始驾驶视频图像，划分为训练图像和待测图像；对现有的YOLOv8n模型进行改进以得到改进YOLOv8n模型，改进包括：将YOLOv8n模型中的C2f替换为StarDR_C2f，将YOLOv8n模型中的SPPF替换为具有大核条带卷积的SPPF‑LSKA，将YOLOv8n模型中的分类头进行轻量化处理，在YOLOv8n模型中加入轻量化下采样SCDown，在YOLOv8n模型中加入部分自注意力PSA；使用训练图像对改进YOLOv8n模型进行迭代优化训练，得到改进YOLOv8n的交通目标检测模型；将待测图像输入改进YOLOv8n的交通目标检测模型进行检测，输出交通目标检测结果。该方法能够提高自动驾驶和辅助驾驶技术领域中交通目标检测的准确率和效率。
-
公开(公告)号：CN117593674B
公开(公告)日：2024-05-03
申请号：CN202410073376.9
申请日：2024-01-18
Applicant: 南昌大学
Abstract: 本发明提供一种轻量级无人机航拍目标实时检测方法，属于目标检测技术领域，该方法具体包括：将YOLOv8n所有原始的C2f模块替换为轻量块DWC2f模块，减少网络模型参数；将YOLOv8n的颈部结构修改为TFPN结构，增加160*160特征图的输入，可以有效解决应对无人机航拍图像小目标占比高的特点；删除20*20特征图的输入，大幅度减少网络参数量，提高实时检测速度；更换SIoU为MPDIoU，进一步提高网络检测性能；使用轻量块DWUnit代替YOLOv8n的头部结构的卷积核大小为3×3的卷积层，在减少参数量的基础上提高模型目标检测头的表达能力。相对于原来的YOLOv8n网络，本发明改进后的模型参数量显著下降了88.3%，从3.2M下降到375K，模型精度mAP值从0.361提升到0.429。
-
公开(公告)号：CN117593674A
公开(公告)日：2024-02-23
申请号：CN202410073376.9
申请日：2024-01-18
Applicant: 南昌大学
Abstract: 本发明提供一种轻量级无人机航拍目标实时检测方法，属于目标检测技术领域，该方法具体包括：将YOLOv8n所有原始的C2f模块替换为轻量块DWC2f模块，减少网络模型参数；将YOLOv8n的颈部结构修改为TFPN结构，增加160*160特征图的输入，可以有效解决应对无人机航拍图像小目标占比高的特点；删除20*20特征图的输入，大幅度减少网络参数量，提高实时检测速度；更换SIoU为MPDIoU，进一步提高网络检测性能；使用轻量块DWUnit代替YOLOv8n的头部结构的卷积核大小为3×3的卷积层，在减少参数量的基础上提高模型目标检测头的表达能力。相对于原来的YOLOv8n网络，本发明改进后的模型参数量显著下降了88.3%，从3.2M下降到375K，模型精度mAP值从0.361提升到0.429。
-
公开(公告)号：CN116469040A
公开(公告)日：2023-07-21
申请号：CN202310685914.5
申请日：2023-06-12
Applicant: 南昌大学
Abstract: 本发明提供了一种基于视频和传感器感知融合的橄榄球员跟踪方法，S1：使用YOLOv7方法检测橄榄球赛视频中每一帧中球员头盔的位置信息；S2：根据时间戳信息将视频帧和传感器数据的量纲对齐；S3：分别确定底线和边线视频帧对应的机位朝向；S4：匹配S1所得球员头盔检测信息及S2的传感器信息中的球员位置和球员编号；S5：利用增强特征提取的DeepSORT方法完成球员跟踪。本发明将量纲不同的视频帧和传感器两个维度的信息完成数据对齐，通过YOLOv7检测出的球员头盔信息与传感器帧确定球员编号的分配问题，利用DeepSORT完成对球员的跟踪，实现简单，具有更强的适用性，且能够有效提高数据关联正确率。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.016 seconds)
