公开(公告)号：CN118314434A

公开(公告)日：2024-07-09

申请号：CN202410257888.0

申请日：2024-03-07

Applicant: 无锡学院

Inventor： 王硕洋 ,  单慧琳 ,  段修贤 ,  陈前杭 ,  李长帅 ,  张雁晧 ,  陈昕

IPC: G06V10/82 ,  G06V10/80 ,  G06V10/40 ,  G06N3/0464

Abstract: 本发明公开了一种遥感图像目标检测方法，包括：收集遥感图像数据集，对数据集进行标注，制作YOLO格式的遥感图像数据集，并划分为训练集和测试集；搭建基于增强感受野的多尺度神经网络，主要由输入端口、主干网络、颈部网络和检测头四个部分构成，其中主干网络和颈部网络构成增强小目标特征的多尺度神经网络的主模块；将训练集的遥感图像输入至增强感受野的多尺度神经网络中进行训练和验证，获取最佳的检测模型；利用经过训练和验证的最佳模型对测试集进行目标检测。本发明提供一种增强感受野的多尺度遥感图像目标检测方法，解决了现阶段遥感图像目标检测算法存在的问题。

公开(公告)号：CN118229558A

公开(公告)日：2024-06-21

申请号：CN202410348306.X

申请日：2024-03-26

Applicant: 无锡学院

Inventor： 张培琰 ,  单慧琳 ,  陈前杭 ,  段修贤 ,  陈昕 ,  毕道琪

IPC: G06T5/60 ,  G06T5/70 ,  G06V10/44 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/094 ,  G06N3/082 ,  G06N3/048

Abstract: 本发明公开了一种基于改进的生成对抗网络的心脏图像去噪方法，具体为：步骤1：获取心脏清晰图像数据集与噪声数据集；步骤2：搭建心脏噪声图像处理模型，该模型为引用PRIDnet模块的生成对抗网络；骤3：采用步骤1中的数据集输入至心脏噪声图像处理模型进行训练；步骤4：采用训练好的心脏噪声图像处理模型对心脏图像进行去噪处理。在提高去噪质量的同时减少了生成对抗网络产生的模型过拟合。同时，减少了模型的运算时间，以达到实时去噪的目的。

公开(公告)号：CN118196496A

公开(公告)日：2024-06-14

申请号：CN202410304277.7

申请日：2024-03-18

Applicant: 无锡学院

Inventor： 刘文星 ,  单慧琳 ,  胡宇翔 ,  李长帅 ,  张雁皓 ,  余飞

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/52 ,  G06V10/10 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/09

Abstract: 本发明公开了一种基于多尺度特征增强网络的SAR船舰检测方法，包括步骤如下：S1，获取SSDD合成孔径雷达图像数据集以及HRSID数据集，对数据集进行预处理后按照设定的比例划分为训练集、验证集和测试集；S2，搭建多尺度特征增强网络；S3，将步骤S1中经过预处理的训练集和验证集的SAR图像输入至多尺度特征增强网络中训练，计算损失函数并进行反向传播，更新网络参数，获取最佳参数模型并保存；S4，将步骤S1中经过预处理的测试集输入到步骤S3中训练好的最佳参数模型中，输出SAR图像的精确识别图。本发明能有效应对合成孔径雷达船舰检测中存在的问题，并提供高精度的检测方法。

公开(公告)号：CN117995402A

公开(公告)日：2024-05-07

申请号：CN202410141593.7

申请日：2024-02-01

Applicant: 无锡学院

Inventor： 孙佳琪 ,  单慧琳 ,  王兴涛 ,  陈前杭 ,  陈昕 ,  段修贤

IPC: G16H50/30 ,  A61B5/0205 ,  A61B5/00 ,  G16H50/20 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种基于图神经网络的生命体征预测方法，包括步骤如下：S1，对采集含有患者信息的数据集，并对数据集进行预处理；S2，将预处理后的数据分为动态特征向量和静态特征向量，并对动态特征向量和静态特征向量分别输入生命体征预测网络进行处理；S3，将处理完后的动态特征向量和静态特征向量进行拼接，得到一个新的特征向量；S4，将新的特征向量输入GeLU和全连接层，输出患者生命体征预测信息；S5，通过wandb模块对患者的指标进行实时监测。本发明能实现实时检测和提高预测精准度。本发明能加快预测速度，实现对体征信息的时间序列的特征强化。

公开(公告)号：CN114495066A

公开(公告)日：2022-05-13

申请号：CN202210111443.2

申请日：2022-01-26

Applicant: 无锡学院

Inventor： 崔志强 ,  单慧琳 ,  曹广喜 ,  孙佳琪 ,  王兴涛 ,  张银胜

IPC: G06V20/58 ,  G06T7/50

Abstract: 本发明公开了一种辅助倒车的方法，包括：识别完整车位轮廓线，判断车位轮廓线内是否存在障碍物；若存在障碍物，则等待障碍物被移走或重新选择新的车位；否则利用车辆自带的倒车影像相机采集车辆后方地面视频流信息，进行自适应视频帧间隔抽样；对抽出的帧图像进行语义分割运算，提取帧图像中的车位轮廓线、行人以及其他车辆的轮廓信息；利用深度残差网络进行深度估计运算得到深度图；分析车辆自身与车位轮廓线的角度关系及停车位的宽度，调整车辆自身位姿，计算并规划倒车路径；获取在倒车地点附近出现的其他车辆、行人分别与自身车辆的距离，并根据估算的倒车路径，分析倒车的可能性，根据各种可能情况分析出最优倒车路径，及时调整倒车路线。

公开(公告)号：CN114898227B

公开(公告)日：2025-05-09

申请号：CN202210643793.3

申请日：2022-06-08

Applicant: 无锡学院

Inventor： 张银胜 ,  钟思远 ,  吉茹 ,  崔志强 ,  张文华 ,  单慧琳

IPC: G06V20/13 ,  G06V10/26 ,  G06V10/74 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/048 ,  G06N3/084 ,  G06N3/09

Abstract: 本发明公开了一种云图分割方法，包括步骤如下：S1，对哨兵二号卫星可见波段的图像进行预处理获得数据集；S2，利用改变卷积方式、添加高效通道注意力、修改长跳跃连接方式及修改激活函数的方法构建改进U‑Net模型；S3，将步骤S1得到的数据集输入改进型U‑Net模型进行训练、测试，与其他分割网络进行云图分割实验对比，得到比较输出预览图；S4，将步骤S3中的比较输出预览图通过transformer架构进行优化，得到最终输出效果图。本发明运用了通过在U‑Net模型中引入transformer以及回归模型，对云层的遥测图像分析计算精度有显著的提高，使得云图的预测更加准确且稳定。

公开(公告)号：CN119559403A

公开(公告)日：2025-03-04

申请号：CN202510132150.6

申请日：2025-02-06

Applicant: 无锡学院

Inventor： 单慧琳 ,  王兴涛 ,  张银胜 ,  孟祥源 ,  吴心悦 ,  马丁

IPC: G06V10/26 ,  G06V10/52 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455

Abstract: 本发明提供了一种基于多尺度深度监督的高分辨遥感图像语义分割方法，包括以下步骤：步骤1，获取ISPRS Potsdam数据集和Vaihingen数据集；步骤2，搭建多尺度深度监督网络MDSNet，包括空间分支、语义分支网络和多尺度特征聚合部分；所述空间分支、语义分支网络和多尺度特征聚合部分均为四层结构；步骤3，将训练集输入至多尺度深度监督网络MDSNet中训练，计算损失函数并进行反向传播，更新网络参数，获取训练好的参数模型；步骤4，将测试集输入到训练好的参数模型中，输出目标图像的分割图。本发明提出的方法在提高特征提取能力的同时，提高了语义分割的准确率，以及训练效率和稳定性。

公开(公告)号：CN118884439A

公开(公告)日：2024-11-01

申请号：CN202411375836.X

申请日：2024-09-30

Applicant: 无锡学院

Inventor： 单慧琳 ,  刘文星 ,  张银胜 ,  胡宇翔 ,  沙子乔 ,  迟荣华

IPC: G01S13/90 ,  G06V20/10 ,  G06V10/25 ,  G06V10/44 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了基于多尺度特征提取与FRFT卷积的SAR船舰检测方法，包括：获取SSDD合成孔径雷达图像数据集及HRSID数据集，对数据集进行预处理后划分为训练集、验证集和测试集；搭建基于多尺度特征提取与FRFT卷积网络，包括输入端、主干网络、Neck网络和探测头部分，主干网络和Neck网络协同处理特征；将经过预处理的训练集和验证集的SAR图像输入至MEFTNet网络中训练，计算损失函数并进行反向传播，更新网络参数，获取最佳参数模型；将经过预处理的测试集输入到训练好的最佳参数模型中，输出SAR图像的精确识别图。本发明能更好的获取船舰特征，降低检测的误检率，提高检测的准确率以及各种场景下的适应效果。

公开(公告)号：CN117523394A

公开(公告)日：2024-02-06

申请号：CN202311486178.7

申请日：2023-11-09

Applicant: 无锡学院

Inventor： 刘文星 ,  单慧琳 ,  陈昕 ,  王兴涛 ,  马陈悦 ,  张雁晧 ,  李长帅

IPC: G06V20/10 ,  G06V10/80 ,  G06V10/774 ,  G06V10/82 ,  G06V10/40 ,  G06N3/0464 ,  G06N3/0985

Abstract: 本发明公开了一种基于聚合特征增强网络的SAR船舰检测方法，包括步骤如下：S1，获取SAR图像数据集，对SAR图像数据集进行预处理后按照设定的比例划分为训练集、验证集和测试集；S2，搭建SAR船舰检测网络，所述SAR船舰检测网络包括依次连接的主干网络、Neck网络、探测头部分，其中主干网络和Neck网络协同处理特征图；S3，将训练集和验证集输入SAR船舰检测网络中训练，计算CIOU损失函数并进行反向传播，更新网络参数，获取最佳参数模型；S4，将测试集输入到训练好的最佳参数模型中，输出SAR图像的精确识别图。本发明能有效应对合成孔径雷达船舰检测中存在的问题，并提供高精度的检测方法。

公开(公告)号：CN116310699A

公开(公告)日：2023-06-23

申请号：CN202211106095.6

申请日：2022-09-09

Applicant: 无锡学院

Inventor： 孙佳琪 ,  单慧琳 ,  王兴涛 ,  崔志强 ,  钟思远 ,  龙见洋 ,  胡宇翔

IPC: G06V10/82 ,  G06V10/20 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于改进YOLOv3的目标检测方法，包括步骤：S1，选择图像数据集；S2，使用灰度化、二值化、透视变换与边缘分割对图像进行预处理，并对图像进行缩放处理；S3，将预处理后的图像放入MobileNetV2Plus主干网络进行信息提取；S4，选择三个不同大小的特征图作为预测输入，进入特征融合层；并对三个不同大小的特征图进行上采样以及拼接，再进行卷积，分别输入给大、中、小三个不同先验框的输出层；S5，对特征融合层输入的三个不同通道数的特征图，再次进行卷积，得到分类后的特征图，生成三个不同维度大小的先验框。本发明只采用1*1卷积核，降低了计算维度，加快了识别的速度。