-
公开(公告)号：CN119206183A
公开(公告)日：2024-12-27
申请号：CN202411327924.2
申请日：2024-09-23
Applicant: 南京邮电大学
IPC: G06V10/25 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及目标检测技术领域，公开了一种基于YOLOv5的轻量化目标检测方法。在模型设计上，针对YOLOv5中传统的C3模块存在的特征冗余、参数量和计算量大的问题，提出多尺度高效特征重组网络MEFR‑Net(Multi‑scale Efficient Feature Rearrangement Network)替代传统C3模块。在模型的颈部网络部分，提出三输出双向加权特征融合网络TOBWF‑Net(Tri‑Output Bi‑Directional Weighted Feature Fusion Network)，不仅实现了不同层级特征间的高效协同，还通过加权特征融合WFF(Weighted Feature Fusion)动态调整融合权重，智能化地强化对关键特征的利用。实验结果表明，本专利提出的基于YOLOv5的轻量化目标检测模型在保持与原YOLOv5相当的检测性能的同时，显著降低了计算资源需求，适用于移动设备、嵌入式系统及边缘计算场景。
-
公开(公告)号：CN118746440A
公开(公告)日：2024-10-08
申请号：CN202410806711.1
申请日：2024-06-21
Applicant: 南京邮电大学
IPC: G01M13/045
Abstract: 本发明公开了一种基于IOOA优化VMD‑SVM的轴承故障诊断方法，该方法对OOA(Osprey Optimization Algorithm，鱼鹰优化算法)进行了改进，采用Bernoulli映射初始化种群，并引入了Tent扰动与高斯变异对种群中的最优个体进行变异操作；选取最小包络熵为适应度函数，使用IOOA优化VMD使得振动信号自适应分解，根据相关稀疏度指标筛选有效IMF(Intrinsic Mode Functions，本征模态函数)并重构信号，对重构后的信号提取敏感特征；选取错误率为适应度函数，使用IOOA优化SVM并对特征样本进行故障诊断。本发明解决了OOA收敛速度慢、易陷入局部最优解的问题，使用IOOA优化VMD并重构信号后，取得了显著的抗噪效果，通过IOOA优化故障诊断模型参数，避免了专家先验知识，提高了故障诊断精度。
-
公开(公告)号：CN117826800A
公开(公告)日：2024-04-05
申请号：CN202311708759.0
申请日：2023-12-12
Applicant: 南京邮电大学
IPC: G05D1/43 , G05D109/30
Abstract: 本发明提出了一种面向无人艇运动控制的动态约束滑模控制方法。首先，根据预期航速航向值或动力定位的位置，使用动态约束滑模控制算法控制无人艇的当前航速航向，输出无人艇在三个自由度上的预期总推力，利用基于TDO的推力分配算法实现无人艇各个推进器的联动控制，使无人艇以预期的航速航向运动以及到达预期的定位位置；然后，针对滑模控制算法输出的无人艇预期总推力超出推进器能效范围的问题，提出动态约束滑模控制算法，利用控制误差和可变参数实现控制参数的动态调节；最后，对滑模控制算法输出的预期总推力使用TDO算法进行推力分配，输出各个推进器的推力和旋转角度。本发明方法实现了对无人艇耦合控制系统的控制，提高了推力分配的运算效率。
-
Patent Agency Ranking
公开(公告)号：CN115855508A
公开(公告)日：2023-03-28
申请号：CN202310148726.9
申请日：2023-02-22
Applicant: 南京邮电大学
IPC: G01M13/045 , G06F30/27 , G06N3/006 , G06F17/11
Abstract: 本发明公开了一种基于算术优化变分模态分解的轴承故障诊断方法，首先初始化算数优化算法AOA和变分模态分解VMD算法的参数；通过皮尔逊相关系数理论改善变分模态分解的端点效应；选取最小包络熵作为适应度函数，并用AOA优化VMD使得信号自适应分解，得到若干个模态分量IMF，根据最大相关峭度值选取最佳IMF，最后对最佳IMF分量进行希尔伯特包络解调获取故障频率。本发明考虑到VMD算法的端点效应和算法参数难以选取的问题，提出使用皮尔逊相关系数理论改善变分模态分解的端点效应，用AOA优化变分模态分解参数使得信号自适应分解。实验表明该方法能够更加准确的提取故障特征信息，避免重大的事故。
-
公开(公告)号：CN104318258B
公开(公告)日：2017-05-24
申请号：CN201410513200.7
申请日：2014-09-29
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于时域模糊和卡尔曼滤波器的车道线检测方法，针对视频场景中车道线的漏检测以及误检测的解决方案，通过引入时域模糊处理与卡尔曼滤波器预测相结合的检测跟踪方法达到车道线的实时检测与跟踪，同时考虑车道线的类型以及用RBF算法检测车道线的颜色，有效避免了场景中由于虚车道线的不连续造成的漏检，以及路面标示造成的误检，同时提高了检测的速度。
-
公开(公告)号：CN106250821A
公开(公告)日：2016-12-21
申请号：CN201610576986.6
申请日：2016-07-20
Applicant: 南京邮电大学
CPC classification number: G06K9/00288 , G06K9/00268 , G06K9/6223
Abstract: 本发明公开了一种聚类再分类的人脸识别方法，包括：获取训练样本；对训练样本进行均值化处理；对人脸图像进行Gabor纹理特征提取，得到每张人脸图像在提取特征后对应的特征向量；对所得每张人脸图像提取的Gabor纹理特征进行降维获得降维后的特征向量；及进行聚类运算，直至距离收敛以完成聚类；对聚类后的所有特征向量分类获得若干子类，计算确定每向量均值，计算获得类内距离和类间距离；对待识别目标的人脸图像进行特征提取和预处理，获得经投影变换后的特征向量，并将所得特征向量与每个子类中特征向量依次计算距离，以获得相似度；确定待识别目标的身份信息。本发明可缩小类间距离以减小采集过程中的误差，提高了人脸识别的准确率。
-
公开(公告)号：CN106023650A
公开(公告)日：2016-10-12
申请号：CN201610515762.4
申请日：2016-07-01
Applicant: 南京邮电大学
IPC: G08G1/16
CPC classification number: G08G1/166
Abstract: 本发明公开了基于交通路口视频及计算机并行处理的实时行人预警方法，包括路口运动前景的提取，行人目标的分类提取，对行人目标的实时跟踪以及对行人进入路口的报警。在预警过程中，通过使用Vibe算法提取监控视频中的前景运动目标，使用离线训练的行人线性SVM分类模型对前景运动物体的行人与非行人的分类，最后使用JPDA(Joint Probabilistic Data Association，联合概率数据关联)跟踪算法对行人目标进行跟踪，获取行人的运动数据，从而进行预警。本发明主要针对交通路口视频中检测并跟踪行人目标进行实时处理提出改进方法。本发明中，采用多线程并行处理，动态缓冲队列共享数据，最大程度地保证在前景检测和跟踪算法计算量较大的情况下能够实时处理监控视频。
-
公开(公告)号：CN104318258A
公开(公告)日：2015-01-28
申请号：CN201410513200.7
申请日：2014-09-29
Applicant: 南京邮电大学
CPC classification number: G06K9/00798 , G06T7/277 , G06T2207/30256
Abstract: 本发明公开了一种基于时域模糊和卡尔曼滤波器的车道线检测方法，针对视频场景中车道线的漏检测以及误检测的解决方案，通过引入时域模糊处理与卡尔曼滤波器预测相结合的检测跟踪方法达到车道线的实时检测与跟踪，同时考虑车道线的类型以及用RBF算法检测车道线的颜色，有效避免了场景中由于虚车道线的不连续造成的漏检，以及路面标示造成的误检，同时提高了检测的速度。
-
-
-
-
-
-
-
Search Results
38
records
(took 0.027 seconds)
