公开(公告)号：CN114821433A

公开(公告)日：2022-07-29

申请号：CN202210482566.7

申请日：2022-05-05

Applicant: 南京智慧水运科技有限公司 ,  杭州电子科技大学

Inventor： 孙杰 ,  王晓窗 ,  陈晨 ,  徐晓滨 ,  马枫 ,  冯静 ,  陈胜华

IPC: G06V20/40 ,  G06V10/80 ,  G06V20/52

Abstract: 本发明公开了一种基于目标检测信度动态融合的目标识别方法，涉及计算机视觉、深度学习领域。本发明将有关待识别目标的视频文件进行采样，并把采样得到的图片流作为输入，送入已训练好的Yolo模型进行识别计算。然后，Yolo模型将会输出预测框对待识别目标进行标定，并得到目标每一时刻的识别置信度。随后，利用得到的当前时刻的置信度对历史时刻的置信度进行动态更新，得到当前时刻的动态置信度。最后，基于阈值，判断目标是否真实存在。本发明将目标识别信度进行动态融合，优化了传统的Yolo目标识别方法，可以有效提高目标在天气变化、局部目标遮挡等情况下的识别信度和准确度，进而有效提升目标识别的可靠性和稳定性。

公开(公告)号：CN119558346A

公开(公告)日：2025-03-04

申请号：CN202411641589.3

申请日：2024-11-18

Applicant: 杭州电子科技大学 ,  中电数据服务有限公司

Inventor： 张继勇 ,  陈晨 ,  周晓飞 ,  唐江平 ,  鲍柳昕 ,  李世峰 ,  何帆

IPC: G06N3/042 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/084 ,  G06F18/213 ,  G06F18/211

Abstract: 本发明涉及一种基于GNN和Transformer模型的网络建模方法，首先进行数据集的生成和预处理，构建消息传递神经网络；消息传递神经网络包括GNN级联模块，Transformer级联模块和特定指标读出模块三部分；然后训练网络，最后将预处理后的测试集图像输入训练好的网络模型中，得到预测图，并与真值进行比较，计算各项评价指标。本发明能更好地捕获全局依赖关系，从而得到更全面的数据表示，同时了提高模型泛化能力和计算效率。