-
公开(公告)号：CN119251716A
公开(公告)日：2025-01-03
申请号：CN202411411495.7
申请日：2024-10-10
Applicant: 桂林理工大学
IPC: G06V20/17 , G06V10/25 , G06V10/82 , G06V10/776 , G06V10/764 , G06V10/42 , G06V10/44 , G06V20/70 , G06N3/0464 , G06N3/0495 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于DD‑YOLO的轻量化无人机目标检测方法，属于无人机小目标检测领域，该检测方法主要优化无人机视野下小目标的检查能力，以解决检测中所面临的目标小、密度高、遮挡严重及模型复杂等问题。本发明融入深度卷积轻量化网络模型，重构残差模块，替换C2f中的BottleNeck，在简化网络层级的同时增强骨干网络的特征提取能力；其次引入SE、MHSA注意力机制，改造空间金字塔池化层，使模型能够更全面地聚合局部和全局特征；在颈部网络添加四倍下采样分支以缓解对小目标的感受野不足的问题，提升提取小目标关键特征能力。将改进后的方法应用于无人机小目标检测中，相较于原始YOLOv8s方法，具有精度高，参数量小，计算量低，计算速度快等优势。
-
公开(公告)号：CN118196753A
公开(公告)日：2024-06-14
申请号：CN202410289925.6
申请日：2024-03-14
Applicant: 桂林理工大学
IPC: G06V20/58 , G06V10/774 , G06V10/82 , G06N3/0464 , G06V10/42 , G06V10/80 , G06N3/08
Abstract: 本发明专利公开了一种基于改进YOLOv8网络的交通标志检测方法。通过收集并处理中文交通标志数据库中公布的交通标志图片和相关标签文件，并制作中文交通标志检测数据集(CTS)。以YOLOv8网络为基础，使用VanillaNet代替CSPDarkNet‑53作为主干网络，并将CBAM注意力机制引入检测分支，使用EIoU损失函数替换YOLOv8的原始回归损失函数，形成TsignNet网络。将TsignNet网络在CTS数据集上进行训练与检测，保存训练最优模型用于实际交通标志检测场景中。本发明专利实现了提升检测精度和速度的同时加强模型的小目标检测能力，为真实场景下的交通标志检测提供了技术支持。
-
公开(公告)号：CN118196489A
公开(公告)日：2024-06-14
申请号：CN202410289898.2
申请日：2024-03-14
Applicant: 桂林理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06V10/42 , G06V10/80 , G06N3/08
Abstract: 本发明专利公开了一种基于轻量化YOLOv8的火灾烟雾检测方法。通过收集并处理中国科学技术大学火灾科学国家实验室公布的烟雾图片，并制作火灾烟雾检测数据集(FAS)。以YOLOv8网络为基础，使用双卷积（DualConv）改进主干网络的C2f模块，使用BiFPN网络改进原特征融合网络PAFPN，使用ShapeIoU损失函数替换YOLOv8的原始回归损失函数，形成FAS‑YOLO网络。将FAS‑YOLO网络在FAS数据集上进行训练与检测，保存训练最优模型用于实际火灾烟雾检测场景中。本发明专利在实现了模型轻量化的同时提升了模型的特征提取能力以及检测精度和速度，为真实场景下的火灾烟雾检测提供了技术支持。
-
公开(公告)号：CN114998971A
公开(公告)日：2022-09-02
申请号：CN202210743072.X
申请日：2022-06-27
Applicant: 桂林理工大学
Abstract: 本发明涉及深度学习隐私保护技术领域，具体涉及一种人脸识别的混合扰动差分隐私保护方法，包括抓取人脸数据；对所述人脸数据进行预处理，得到最小检测框；对所述最小检测框进行人脸重定位，得到训练数据；基于所述训练数据构建混合扰动差分隐私模型；改变三元组损失函数，使得所述混合扰动差分隐私模型通过所述训练数据训练后，得到混合扰动的神经元结点权重。所述混合扰动差分隐私模型将神经网络权重分割为网络权重和噪声权重，使得网络权重能够尽力去为神经网络提供学习能力，而噪声权重利用目标扰动又尽力去为网络权重提供隐私保护，解决了现有的隐私保护方法的深度神经网络的可用性较差的问题。
-
-
-
Search Results
14
records
(took 0.028 seconds)
