-
公开(公告)号:CN114049590B
公开(公告)日:2024-11-19
申请号:CN202111326571.0
申请日:2021-11-10
Applicant: 安徽大学
IPC: G06V20/40 , G06V10/774
Abstract: 本发明涉及一种基于视频的跳台滑雪运动分析方法,包括:获取跳台滑雪运动的视频数据:分别构建运动员和滑雪板检测网络模型、关键节点检测网络模型;分别训练运动员和滑雪板检测网络模型、关键节点检测网络模型;预测运动员和滑雪板图像的关键节点;进行滑雪运动员的运动分析。本发明的数据获取较为简单,通过在跳台滑雪场地正确合理布置多台高速摄影相机并进行标定,捕获视频数据;本发明通过建立一个跳台滑雪数据集,利用深度学习的方法实现运动员和滑雪板关键节点的自动检测,替代传统的人工标注方式,节省人力物力;本发明通过对跳台滑雪运动员和滑雪板的关键点的检测,用来分析运动员的姿态和运动学参数,辅助滑雪运动员的训练。
-
公开(公告)号:CN118691796A
公开(公告)日:2024-09-24
申请号:CN202410792004.1
申请日:2024-06-19
Applicant: 安徽大学
Abstract: 本发明公开了一种基于模型压缩的目标检测方法,包括:1、构建包含目标物体的图像数据集,包括视频采集、视频截帧、图像构建以及物体标注;2、构建基于教师网络和学生网络的目标检测压缩模型;3、构建目标检测损失函数;4、构建总体损失函数,去约束教师检测器和学生检测器的训练;5、构建量化感知训练,对学生检测器进行模型压缩。本发明通过注意力分配,实现了教师检测器和学生检测器知识的跨层关联,借助总体损失函数的约束,实现了教师检测器和学生检测器知识的迁移,大大提升了学生检测器对视频中目标物体的检测能力,采用量化感知训练,实现了学生检测器的模型压缩,大大提升了学生检测器在目标物体检测任务中的运行效率。
-
公开(公告)号:CN118608871A
公开(公告)日:2024-09-06
申请号:CN202410878698.0
申请日:2024-07-02
Applicant: 安徽大学
IPC: G06V10/764 , G06V10/766 , G06V10/774 , G06V10/75 , G06V10/74 , G06N20/00
Abstract: 本发明公开了一种基于标记预测和标记增强的图像多维分类方法,包括:1构建图像多维分类训练集,2通过一对一编码将图像样本原本的标记转换为三元标记,3通过构建标记增强模型将图像样本原来的逻辑标记恢复成实数型标记分布,4基于实数型标记分布构建多输出回归模型,5将实数型标记转换成三元标记得出未知样本的预测结果。本发明通过转换图像的特征空间和标签空间的流形结构为两个独立的概率分布,促进二者紧密匹配,从而提升区分度,确保特征差异大的图像能获得更为独特的标签分布。
-
公开(公告)号:CN117975312A
公开(公告)日:2024-05-03
申请号:CN202410361601.9
申请日:2024-03-28
Applicant: 安徽大学
Abstract: 本发明公开了用于松材线虫病识别的无人机拍摄图像处理系统,包括无人机采集端、图像处理系统和疫木识别模块,本发明涉及图像处理技术领域。该用于松材线虫病识别的无人机拍摄图像处理系统,通过设置有图像处理系统,利用图像处理模块完成对图像数据的接收,并通过对图像灰度处理后进行图像中不同类别的信息进行分割操作,且对分割后的类别进行标记,以此对图像完成精准的处理后,通过该数据集训练一个模型,并通过对模型的训练、优化操作形成一个应用于实际的模型,不仅有效的避免了图像中相近相似灰度特征的干扰,而且训练后的模型能够更好的对其他区域的林木进行识别操作。
-
公开(公告)号:CN117636185B
公开(公告)日:2024-04-09
申请号:CN202410107688.7
申请日:2024-01-26
Applicant: 安徽大学
Abstract: 本发明涉及图像处理技术领域,本发明公开了基于图像处理的松材线虫病检测系统;包括基于筛选准则获得目标图像,在目标图像中获得目标区域,采集目标区域的综合虫害数据,生成虫害检测指数,并基于虫害检测差值,判定是否生成虫害预警提示,基于虫害检测差值,生成虫害预警级别,基于虫害预警级别,制定消杀指令;本发明中,通过对卫星遥感图像的筛选识别,可以剔除掉存在干扰因素的非目标图像,并基于目标图像识别到面积小且位置精准的目标区域,一方面有效的降低了检测数据的采集量和计算量,提高了数据计算速率,另一方面也避免了无用数据对检测结果可能带来的误差影响,极大的提高了松材线虫病检测的准确度。
-
公开(公告)号:CN115294467A
公开(公告)日:2022-11-04
申请号:CN202210868307.8
申请日:2022-07-22
Applicant: 安徽大学
IPC: G06V20/13 , G06N3/04 , G06N3/08 , G06T3/40 , G06V10/25 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本申请提供了茶叶病害的检测方法及相关装置,用于对茶叶进行检测,所述方法包括:将待测茶叶图像输入至茶叶病害检测模型,以得到待测茶叶图像的病害检测结果。其中,用于训练茶叶病害检测模型的深度学习模型包括BackBone单元、Neck单元和Head单元,BackBone单元添加有RFB模块,Neck单元添加有二维混合注意力模块,该二维混合注意力模块分为上下两个并行分支,它是由上分支的通道注意力子模块、空间注意力子模块和下分支的坐标注意力子模块混合而成。另外,采用无人机拍摄得到的遥感数据进行超分辨率重建,制作得到训练集。在茶叶病害检测模型中使用了平均精度更高、检测速度更快的单元和模块,定位到需要注意的茶叶病害位置,解决传统检测方法耗时耗力和漏检误检的问题。
-
公开(公告)号:CN112100429B
公开(公告)日:2022-09-13
申请号:CN202011031745.6
申请日:2020-09-27
Applicant: 安徽大学
IPC: G06F16/583 , G06T5/00 , G06N3/04
Abstract: 本发明公开了一种足迹压力图像检索方法,包括:1、足迹压力图像数据集采集并进行预处理操作;2、建立由K层多尺度自注意卷积模块构成的特征提取网络;步骤3、建立由全局特征分支、残缺性评分掩模分支构成的残缺性评分模块;步骤4、建立由共同可见特征提取模块、局部特征池化模块和三元组损失函数构成的特征比对模块;步骤5、进行网络的训练、参数优化和测试。本发明采用多尺度自注意卷积的足迹压力图像检索方法,能够有效的提取足迹压力图像检索的判别性特征,同时针对足迹图像不完整的问题,采用残缺性评分模型,能够降低网络对残缺部分的关注度,有效地抑制残缺图像对于检索过程中产生的影响。
-
公开(公告)号:CN113220926B
公开(公告)日:2022-09-09
申请号:CN202110489372.5
申请日:2021-05-06
Applicant: 安徽大学 , 南京市公安局刑事侦查局 , 杭州创恒电子技术开发有限公司
IPC: G06F16/583 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于多尺度局部注意力增强网络的足迹图像检索方法,与现有技术相比解决了足迹图像检索准确率低、速度慢的缺陷。本发明包括以下步骤:训练样本的获取和预处理;构建足迹图像检索模型;训练足迹图像检索模型;待检索足迹图像的获取;足迹图像检索结果的获得。本发明能够提取到更多有效的细粒度特征,进一步挖掘图像的特征表征能力,提高足迹图像检索的速度和准确率。
-
公开(公告)号:CN114596274A
公开(公告)日:2022-06-07
申请号:CN202210204848.0
申请日:2022-03-03
Applicant: 安徽大学
Abstract: 本发明公开了一种基于改进Cascade RCNN网络的自然背景柑橘黄龙病检测方法,包括:利用Cascade RCNN网络改进后的骨干网络对待检测柑橘图像进行特征提取,改进后的骨干网络中至少一层采用可变形卷积;利用Cascade RCNN网络改进后的区域特征提取网络对骨干网络输出的特征进行高层次语义特征提取,改进后的区域特征提取网络包括一个自下而上卷积融合过程;利用Cascade RCNN网络的级联检测器对区域特征提取网络输出的高层次语义特征进行多阶段级联的目标识别检测过程,获取待检测柑橘图像的黄龙病检测结果。本发明有效提高了对柑橘黄龙病检测的准确性。
-
公开(公告)号:CN113469050A
公开(公告)日:2021-10-01
申请号:CN202110746048.7
申请日:2021-07-01
Applicant: 安徽大学
Abstract: 本发明涉及图像处理、深度学习技术领域,涉及一种基于图像细分类的火焰检测方法,包括以下步骤:步骤1、收集火焰图像,对数据预处理,制作成火焰数据集;步骤2、根据火焰数据集,训练CenterNet检测器,保存最佳的模型;步骤3、准备火焰与非火焰的二分类数据集;步骤4、在MobileNetV2分类模型的倒置残差模块间引入注意力模块BAM,训练二分类模型;步骤5、CenterNet检测出图像的前景目标K,然后将前景目标K裁剪成图像块送入分类模型中,进行细分类,以滤除与火焰相似的误检物体。本发明不仅可以实现远距离的火灾监测,而且检测效果更好。
-
-
-
-
-
-
-
-
-