-
公开(公告)号：CN118447381A
公开(公告)日：2024-08-06
申请号：CN202410625243.8
申请日：2024-05-20
Applicant: 西北工业大学
IPC: G06V20/05 , G06V10/25 , G06V10/42 , G06V10/44 , G06V10/77 , G06V10/80 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种应用于水下光学图像处理的目标检测方法及系统，包括以下步骤：对于水下光学图像，首先由预处理模块进行图像预处理，并使数据范围处于归一化状态。随后，预处理过的图像经过混合双层网络模块进行不同层级的特征提取，从而实现不同尺度的特征生成。采用基于YOLOv8的位置回归与分类模块实现最终的目标分类与位置确定。回归与分类模块最终在所提取的不同尺寸的特征的基础上生成目标定位于分类所需的数据，并经过非极大值抑制后处理，实现目标的感知与识别。本发明通过引入双层稀疏动态注意力机制和改进的YOLOv8网络，旨在解决水下环境中目标检测困难的问题，提高检测的准确性、鲁棒性和实时性。
-
公开(公告)号：CN118196694A
公开(公告)日：2024-06-14
申请号：CN202410511489.2
申请日：2024-04-26
Applicant: 西北工业大学
IPC: G06V20/40 , G06V20/52 , G06V10/62 , G06V10/74 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/049 , G06N3/0895
Abstract: 本发明公开了一种文本提示学习下的弱监督视频异常检测方法及系统，其中方法步骤包括：采集监控设备中的视频流，并对视频流的视频特征进行编码；对采集到的视频流进行标注，得到异常视频数据；对异常视频数据进行文本描述，并对文本进行编码，得到文本编码特征；基于编码后的视频特征和文本编码特征构建检测模型；利用检测模型完成视频流中的异常事件检测。本发明在视频异常检测任务中展示出良好的检测精准度，能够准确辨识并定位各类异常事件，显著提高了对于复杂环境及场景下异常事件的捕捉效能；与此同时，该发明在正常事件处理方面同样表现良好，成功将误检率有效控制在较低水平；最后，该发明具有良好的泛化性，能快速适应新场景的任务。
-
公开(公告)号：CN118094436A
公开(公告)日：2024-05-28
申请号：CN202410447035.3
申请日：2024-04-15
Applicant: 西北工业大学
IPC: G06F18/2433 , G06F18/214 , G06F18/2135 , G06F18/22 , G06Q10/20 , G06N3/0464 , G06N3/084 , G06N3/0895 , G06F123/02
Abstract: 本发明公开了一种专故障敏感的自监督装备异常检测方法及系统，包括：获取装备状态监测数据；基于装备状态监测数据，构建对比学习样本对；构建并训练对比特征学习模块，并将输入的对比学习样本对映射到特征空间中；对特征空间进行L2正则化处理；基于主成分分析法，对正则化处理后的特征空间进行降维，提取满足预设要求的特征表示；基于满足预设要求的特征表示进行健康状态阈值判定，获得装备异常检测结果。本发明从易受非关键信息干扰的传统检测模型转向只对故障敏感的异常检测模型，显著提高现实世界约束下的故障检测和诊断性能，缓解了先前存在的局限性，并将深度学习的适用性扩展到现实环境中的装备健康状态监测。
-
公开(公告)号：CN115115890B
公开(公告)日：2024-03-19
申请号：CN202210838159.5
申请日：2022-07-17
Applicant: 西北工业大学
IPC: G06V10/764 , G06N3/0464 , G06N3/09 , G06V10/774 , G06V10/82
Abstract: 本发明提供了一种基于自动化机器学习的轻量化高速公路团雾分类方法，构建轻量化的搜索空间，收集高速公路上产生的团雾图像，建立团雾分类数据集，基于搜索阶段结束后得到的决策级融合的结构，利用全连接层对不同尺度的特征图分别进行分类，并将各分类结果进行按元素求和，并归一化得到最终的分类结果，训练得到决策级融合网络，以实现对团雾图像的分类。本发明解决了目前主流深度卷积神经网络参数量大从而无法在边缘端设备上部署的问题，在保证检测准确率的情况下，参数量和计算量降低了50％左右，极大改善了模型的分类效率，以满足高速公路上团雾的实时性检测，能更好地减少由于团雾发生引起的高速公路交通事故的次数。
-
公开(公告)号：CN117666581A
公开(公告)日：2024-03-08
申请号：CN202311664289.2
申请日：2023-12-06
Applicant: 西北工业大学
Abstract: 本发明提供了一种潜载无人水下航行器自主回坞路径规划方法、系统及设备，属于回收路径规划领域，包括：接收UUV及潜艇的相关位置信息及信息指令；根据相关位置信息及信息设定回收路径规划的终点位置和起点位置；对潜艇及UUV所在海域的障碍物进行圆化处理，构建二维环境模型；将路长约束和航向角约束作为UUV回收路径规划的约束性条件，基于二维环境模型、UUV回收路径规划的终点位置、起点位置及约束性条件，采用改进的遗传算法进行水域中的回收路径规划，生成回收路径。本发明控制种群的变异个体在迭代过程中发生复合的自适应的进化，从而避免发生陷入局部最优解的情况，结合路长约束和航向角约束，使回收路径规划具有较高自由度。
-
Patent Agency Ranking
公开(公告)号：CN116665142A
公开(公告)日：2023-08-29
申请号：CN202310409478.9
申请日：2023-04-18
Applicant: 西北工业大学
Abstract: 本发明公开了一种恶劣视觉环境下的道路车辆检测方法，首先采集道路视频图像，然后构建基于图像双通道信息的数字图像增强算法，通过图像亮通道信息建立初始映射；再通过图像暗通道信息对建立的映射进行修正，以减少图像增强过程中由于传递造成的信息失真；从图像的亮通道结果中获取参数全局亮度；将全局亮度和修正后的映射关系代入数字图像经验公式，获取针对恶劣视觉环境去暗增强后的增强图像；构建基于手工标注与卷积神经网络的深度学习车辆检测模型，使用标注过的数据集对模型进行训练得到车辆检测模型，实现恶劣视觉环境下的车辆检测。本发明有效提升了恶劣视觉环境下车辆检测的精度与准确率。
-
公开(公告)号：CN116630684A
公开(公告)日：2023-08-22
申请号：CN202310425106.5
申请日：2023-04-20
Applicant: 西北工业大学
IPC: G06V10/764 , G06V10/40 , G06V10/80 , G06V10/26 , G06V10/774
Abstract: 本发明公开了一种轻量化的端到端道路损伤检测目标分割方法，首先将数据集中的图像经过骨干特征提取网络Shuffle‑ECANet得到特征，然后经过多尺度特征融合网络，得到包含不同尺度的特征图；再将特征图经过轻量级多分支通道注意力网络LMCA‑Net，得到最终识别出损伤的图像。通过训练得到网络的权重，在实际检测时，可以将摄像机拍摄的实时图像输入到该目标分割模型中，导入前面得到的权重，对道路损伤进行识别及分割。本发明能够快速自动准确地识别和分类特定类型的道路损伤，在目标分割上依然有良好的性能效果。
-
公开(公告)号：CN119166684A
公开(公告)日：2024-12-20
申请号：CN202411667124.5
申请日：2024-11-21
Applicant: 西北工业大学
IPC: G06F16/2457 , G06F16/2458 , G06F16/242
Abstract: 本发明公开了基于RAG的大语言模型学习路径动态生成优化方法，涉及数据处理技术领域，包括：获取预定学习大纲中的预定学习路径；获取RAG模型；对目标动态学习画像进行信息检索分析得到目标实时学习状态，并与预定知识库进行相关性对比分析得到候选知识序列；对目标预定知识与候选知识序列进行知识融合分析，得到目标知识序列，结合目标周期对预定学习路径进行动态调整，生成目标学员的目标动态学习路径。本发明解决现有技术无法根据学员的实时学习情况进行后续学习路径的智能化动态调整，导致学员的学习过程针对性不强，学习质量和效果不理想，效率低下的技术问题，达到提升学习路径的个性化和灵活性，提高学员学习整体效果的技术效果。
-
公开(公告)号：CN118876094A
公开(公告)日：2024-11-01
申请号：CN202411192300.4
申请日：2024-08-28
Applicant: 西北工业大学
Abstract: 本公开涉及一种搬运机器人包括：全向移动平台、旋转座、主载物台和升降机械手装置；所述全向移动平台包括底盘和多组行走轮组件；所述旋转座包括固定盘、旋转盘，以及用于驱动所述旋转盘旋转的第一舵机，所述固定盘固定连接在所述底盘的第一端；所述主载物台设置在所述底盘的第二端；所述升降机械手装置固定连接在所述旋转盘上。通过上述技术方案，搬运机器人能够更靠近物料，并通过升降机械手装置升降调节即可抓取物料，因而抓取更精准。在物料的转运过程中，物料能够被很好地固定，搬运机器人能够以较快的速度行进，因而提高了搬运机器人的搬运效率。
-
公开(公告)号：CN118429924A
公开(公告)日：2024-08-02
申请号：CN202410511361.6
申请日：2024-04-26
Applicant: 西北工业大学
IPC: G06V20/56 , G06V20/64 , G06V10/25 , G06V10/40 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08 , G01S13/86 , G01S7/02
Abstract: 本发明公开了一种基于特征级雷视融合的鲁棒性目标检测方法及系统，包括：首先，经过雷达柱形扩充模块将雷达点云数据转换为三维空间表示。其次，经过中心式目标检测模型的视觉主干网络对视觉图像信息进行特征提取，得到视觉初级特征，并输入初级检测头得到2D检测框与3D检测框。随后进行关联融合，雷达数据特征提取模块利用关联后的数据进行雷达热力图特征提取，并与初级视觉特征在通道数进行串联得到双模态融合特征。最后，双模态融合特征输入回归头与3D检测框解码头得到3D检测结果。本发明将雷达和视觉信息优势进行结合，更有利于降低恶劣天气对于检测模型的影响，能充分提升感知模型的性能和自动驾驶车辆的感知精度与安全性能。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.028 seconds)
