-
公开(公告)号：CN119006805A
公开(公告)日：2024-11-22
申请号：CN202411496242.4
申请日：2024-10-25
Applicant: 无锡学院
Abstract: 一种用于城市环境中的目标检测方法，属于目标检测技术领域，具体涉及城市环境中的目标检测技术领域。其解决了单阶段检测器将分类和检测回归合并为一个阶段比较困难，从而导致在城市中进行目标检测时结果不精确的问题。本发明所述方法对YOLOv7模型进行改进，降低模型复杂度，实现模型的轻量化。当通过改进YOLOv7模型获得目标坐标、目标类别和置信度后，将这些数据处理，重新计算其置信度，得到真实置信度，将所有信息整理成用于构建异构图神经网络（SeHGNN网络）的训练数据集。最后，将异构图神经网络得到的推理置信度用来替换改进YOLOv7模型得到的置信度，从而提高目标检测精度。
-
公开(公告)号：CN117495882B
公开(公告)日：2024-07-19
申请号：CN202311823399.9
申请日：2023-12-28
Applicant: 无锡学院
IPC: G06T7/11 , G06N3/0464 , G06N3/084 , G06T7/194
Abstract: 本发明公开了一种基于AGCH‑Net和多尺度融合的肝脏肿瘤CT图像分割方法，用于医疗复杂图像分割，包括：获取公开的肝脏肿瘤分割基准数据集，获取训练样本集；搭建神经网络结构，并进一步构建神经网络模型，以适用于肝脏肿瘤CT图像分割；其中，神经网络结构以语义分割网络U‑Net网络为网络框架，利用融合倒置残差卷积替换U‑Net网络中原始卷积，并在U‑Net网络插入改进型AGCH注意力机制以及在U‑Net网络的瓶颈处采用SE_ASPP模块；获取待分割图像进行初步处理并输入神经网络模型中进行图像分割、特征提取、图像优化操作，输出肝脏区域分割结果。本发明采用U‑NET网络为图像处理网络基础框架，并对其进行改进，添加优化分割精度，优化学习能力的网络模块，提高分割性能。
-
公开(公告)号：CN117495882A
公开(公告)日：2024-02-02
申请号：CN202311823399.9
申请日：2023-12-28
Applicant: 无锡学院
IPC: G06T7/11 , G06N3/0464 , G06N3/084 , G06T7/194
Abstract: 本发明公开了一种基于AGCH‑Net和多尺度融合的肝脏肿瘤CT图像分割方法，用于医疗复杂图像分割，包括：获取公开的肝脏肿瘤分割基准数据集，获取训练样本集；搭建神经网络结构，并进一步构建神经网络模型，以适用于肝脏肿瘤CT图像分割；其中，神经网络结构以语义分割网络U‑Net网络为网络框架，利用融合倒置残差卷积替换U‑Net网络中原始卷积，并在U‑Net网络插入改进型AGCH注意力机制以及在U‑Net网络的瓶颈处采用SE_ASPP模块；获取待分割图像进行初步处理并输入神经网络模型中进行图像分割、特征提取、图像优化操作，输出肝脏区域分割结果。本发明采用U‑NET网络为图像处理网络基础框架，并对其进行改进，添加优化分割精度，优化学习能力的网络模块，提高分割性能。
-
公开(公告)号：CN116128932A
公开(公告)日：2023-05-16
申请号：CN202310411457.0
申请日：2023-04-18
Applicant: 无锡学院
IPC: G06T7/246 , G06N3/0464 , G06N3/08 , G06V10/44 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种多目标跟踪方法，包括以下步骤：获取待检测视频，并对所述待检测视频进行目标检测，针对每个待处理的跟踪目标图像，将图像对和所述图像对中每个跟踪目标图像的所述目标检测框输入至特征提取网络进行特征信息提取；目标跟踪时，使用最小二乘法和卡尔曼滤波器分别预测目标的运动轨迹，跟踪目标被遮挡时，以视频前一帧目标检测框的消失帧数为阈值选择最小二乘法或卡尔曼滤波器预测目标的运动轨迹，得到预测跟踪框，目标遮挡结束后使用关联策略进行目标身份关联，实现跟踪目标的继续跟踪。通过本发明方法，有效减少了跟踪过程中的跟踪目标身份切换次数，跟踪准确度高。
-
公开(公告)号：CN119964151A
公开(公告)日：2025-05-09
申请号：CN202510444610.9
申请日：2025-04-10
Applicant: 无锡学院
IPC: G06V20/68 , G06N3/0464 , G06N3/0495 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82
Abstract: 生晒林下参等级分类识别方法、系统、设备及存储介质，涉及人参品级分类领域应用，解决了现有的人参等级分类方法难以在提升计算精度的同时提高计算速度的问题。采集生晒林下参图像样本，并进行预处理，得到预处理后的多等级的生晒林下参数据集；构建EfficientNet_v2_s模型；将融合倒残差卷积块的标准卷积替换为SCConv；在模型中添加轻量级S‑FPN模块，得到优化后的EfficientNet_v2_s模型；训练优化后的模型，并基于预处理后的多等级的生晒林下参数据集，对生晒林下参的等级进行分类。本发明用于实现高效准确的生晒林下参等级分类识别。
-
Patent Agency Ranking
公开(公告)号：CN118038085B
公开(公告)日：2024-06-07
申请号：CN202410417807.9
申请日：2024-04-09
Applicant: 无锡学院
IPC: G06V10/46 , G06N3/045 , G06N3/088 , G06N3/0895 , G06V10/764 , G06V10/778 , G06V10/80 , G06V10/82
Abstract: 一种基于孪生网络的点云关键点检测方法及装置，涉及点云关键点检测领域。解决了现有技术输入的点云是单视角或存在缺陷时，其无法有效输出缺失位置的关键点的问题。所述方法包括将两个同一个物体的不同的单视觉点云数据输入孪生网络模型中，通过无监督学习训练得到两组有点云位置的受约束的关键点；将两组所述受约束的关键点拼接，合成完整的所述物体的关键点；通过孪生网络模型中的两个网络拟合，得到完整的不被约束的关键点；将检测关键点的任务分配给对应的关键点类别，得到训练好的孪生网络模型；输出一组受约束的关键点和一组不受约束的关键点，完成点云关键点的检测。还适用于缺失位置的关键点检测中。
-
公开(公告)号：CN118038085A
公开(公告)日：2024-05-14
申请号：CN202410417807.9
申请日：2024-04-09
Applicant: 无锡学院
IPC: G06V10/46 , G06N3/045 , G06N3/088 , G06N3/0895 , G06V10/764 , G06V10/778 , G06V10/80 , G06V10/82
Abstract: 一种基于孪生网络的点云关键点检测方法及装置，涉及点云关键点检测领域。解决了现有技术输入的点云是单视角或存在缺陷时，其无法有效输出缺失位置的关键点的问题。所述方法包括将两个同一个物体的不同的单视觉点云数据输入孪生网络模型中，通过无监督学习训练得到两组有点云位置的受约束的关键点；将两组所述受约束的关键点拼接，合成完整的所述物体的关键点；通过孪生网络模型中的两个网络拟合，得到完整的不被约束的关键点；将检测关键点的任务分配给对应的关键点类别，得到训练好的孪生网络模型；输出一组受约束的关键点和一组不受约束的关键点，完成点云关键点的检测。还适用于缺失位置的关键点检测中。
-
公开(公告)号：CN116958175B
公开(公告)日：2023-12-26
申请号：CN202311218213.7
申请日：2023-09-21
Applicant: 无锡学院
IPC: G06T7/11 , G06N3/0464 , G06N3/048 , G06N3/08 , G06V10/26 , G06V10/764 , G06V10/82
Abstract: 一种血液细胞分割网络的构建方法及血液细胞分割方法。属于图像识别技术领域，具体涉及血液细胞图像的识别技术领域。其解决了以往深度学习的方式中，对于血液细胞显微图像中白细胞，白细胞核及红细胞三类同时分割研究较少的问题。所述血液细胞分割网络包括卷积层、空洞残差层、池化层和上采样层，血液细胞图像输入后，依次经过卷积层、空洞残差层、池化层和上采样层后输出，所述空洞残差层与上采样层跳跃连接。本发明所述网络及方法可以应用在血液细胞研究技术领域以及血液细胞分割技术领域。
-
公开(公告)号：CN116128932B
公开(公告)日：2023-07-25
申请号：CN202310411457.0
申请日：2023-04-18
Applicant: 无锡学院
IPC: G06T7/246 , G06N3/0464 , G06N3/08 , G06V10/44 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种多目标跟踪方法，获取待检测视频，对待检测视频进行目标检测；针对每个待处理的跟踪目标图像，将图像对和所述图像对中每个跟踪目标图像的所述目标检测框输入至特征提取网络进行特征信息提取；跟踪目标被遮挡时，若视频前一帧目标检测框的消失帧数小于或等于设定的帧数阈值，则认为跟踪目标出现短期遮挡，则对跟踪目标使用最小二乘法进行运动轨迹的预测；若视频前一帧目标检测框的消失帧数大于设定的帧数阈值，则认为跟踪目标出现长期遮挡，则对跟踪目标使用卡尔曼滤波器进行运动轨迹的预测；目标遮挡结束后使用关联策略进行目标身份关联，实现跟踪目标的继续跟踪。通过本发明方法，有效减少了跟踪过程中的跟踪目标身份切换次数。
-
公开(公告)号：CN119152200B
公开(公告)日：2025-04-15
申请号：CN202411649311.0
申请日：2024-11-19
Applicant: 无锡学院
IPC: G06V10/25 , G06N3/0464 , G06N3/082 , G06V10/82 , G06V20/56
Abstract: 一种基于YOLOv8改进的自动驾驶目标检测方法。涉及自动驾驶领域，具体涉及基于YOLOv8改进的自动驾驶目标检测技术领域。其解决了多目标检测，提升模型在复杂背景下对密集小目标的检测精度，有效减少误检和漏检的问题。所述方法包括如下步骤：S1、数据集的建立与划分，并进行预处理；S2、构建基础的YOLOv8s模型；S3、优化YOLOv8s模型，具体为：S31、将YOLOv8s模型的主干部分中SPPF模块替换为改进的SPPF模块；S32、在YOLOv8s模型的头部部分添加一个小目标检测层；S33、在YOLOv8s模型的主干部分和颈部部分之间添加4个改进后的ACCoM模块；S4、采用预处理后的数据集对优化后的YOLOv8s模型进行迭代训练；S5、采用训练完成的YOLOv8s模型检测目标。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.026 seconds)
