公开(公告)号：CN117974676A

公开(公告)日：2024-05-03

申请号：CN202311673791.X

申请日：2023-12-07

Applicant: 哈尔滨理工大学

Inventor： 马浩维 ,  尹芳

IPC: G06T7/10 ,  G06T7/00 ,  G06N3/0475 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/094

Abstract: 本发明提供了一种基于SwinUnet和生成对抗网络的一种创新的医学图像分割模型，模型由生成器网络和判别器网络两部分结合而成，生成器是基于Swin Transformer构成的U型网络结构，判别器则是基于卷积神经网络构建的判别网络。将原本的SwinUnet和生成对抗网络结合，有助于将原本生成的预测图像进一步优化，通过生成器和判别器的对抗训练，让预测结果越来越接近真实标签，使分割效果越来越好，并且通过使用混合损失函数代替单一的损失函数，使得模型的预测结果更加准确，进而提高图像分割的准确性和鲁棒性。实验结果表明，改进后的算法在两个指标上分别提高和降低了1.23％和2.28％，符合预期的效果。

公开(公告)号：CN114648753A

公开(公告)日：2022-06-21

申请号：CN202210275327.4

申请日：2022-04-14

Applicant: 哈尔滨理工大学

Inventor： 李斌 ,  张信杰 ,  尹芳

IPC: G06V20/62 ,  G06V10/25 ,  G06V10/46 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明针对二阶段算法(R‑CNN)无法有效的检测弯曲文本的缺陷。提出了一种基于FasterR‑CNN的自然场景文本检测算法。首先，在特征提取阶段使用残差网络提取深度特征；其次，结合改进的Inception网络使提取的深度特征更适用于文本检测中长宽比较大的情况；最后，融合无锚框思想对RPN进行改进，将传统的基于区域预测的RPN结构改成基于点预测的anchor‑freeRPN。实验表明，该算法在数据集上比普通的二阶段算法有很好的检测效果。

公开(公告)号：CN114613078A

公开(公告)日：2022-06-10

申请号：CN202210241457.6

申请日：2022-03-11

Applicant: 哈尔滨理工大学

Inventor： 张家奇 ,  尹芳

IPC: G07F17/12 ,  G07F9/00

Abstract: 本发明是基于机器视觉的智能存包柜，主要包括触摸电子显示屏、扫描仪、摄像头、传送装置，所述的扫描仪负责扫描待存入物品，通过电路板与触摸电子显示屏相连接，显示屏根据扫描仪上方的数据处理器所分析的物品随时更新剩余储物格，所述的触摸电子显示屏上面安装了摄像头，所述的摄像头用于用户存取物品时刷脸来获得用户的图像特征，保证用户存入品的安全，只有用户本人才能进行取物品的操作。所述的传送装置用于将待存入物品根据数据处理器处理的结果送至与结果匹配的储物格内。本发明通过机器视觉改变了传统的存包方式，既符合绿色环保理念，又提高了用户存取物品的安全性。

公开(公告)号：CN112651344A

公开(公告)日：2021-04-13

申请号：CN202011590566.6

申请日：2020-12-29

Applicant: 哈尔滨理工大学

Inventor： 李启瑞 ,  贾伟楠 ,  吕衍河 ,  尹芳

IPC: G06K9/00 ,  G06K9/32 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于改进YOLOv4算法的摩托车头盔佩戴检测方法。所提出的方法分为三个模块：摩托车和骑乘人员区域检测模块，头盔ROI模块和头盔检测模块。对于摩托车和骑乘人员区域检测，采用YOLOv4目标检测网络结合多骑乘人员类别编码进行区域检测和提取；对于头盔ROI模块，我们使用数据集统计信息确定ROI区域；对于头盔检测模块，我们同样训练一个YOLOv4网络专门进行头盔检测。本发明不仅有效解决了关于目标的误检与多检问题，还增加了对多骑乘人员的检测支持，同时提高了摩托车头盔佩戴检测的速度与精度。