-
公开(公告)号：CN115131760B
公开(公告)日：2024-04-19
申请号：CN202210838154.2
申请日：2022-07-17
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于改进特征匹配策略的轻量级车辆追踪方法，使用多个公开车辆重识别数据集对特征匹配模块进行训练，提升模型特征提取能力；通过使用度量学习的损失函数，在不增加模型复杂度的情况下有效提升模型特征匹配能力；使用更加轻量的ShuffleNetV2网络，以达到降低模型参数的效果；最终通过多个模块对性能的不同提升实现更稳定的实时车辆追踪。本发明有效降低跟踪算法特征匹配部分的网络参数量，从而有效提升跟踪算法的实时性，在保证跟踪准确度的同时，大大降低了模型的复杂度，具有轻量级的特点，具备实时性，保证了接入实际视频流进行实时跟踪车辆时，模型能够稳定高效的运行，具有广阔的应用前景。
-
公开(公告)号：CN115147709B
公开(公告)日：2024-03-19
申请号：CN202210799673.2
申请日：2022-07-06
Applicant: 西北工业大学
IPC: G06V20/05 , G06N3/0464 , G06N3/09 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明提供了一种基于深度学习的水下目标三维重建方法，采用注意力机制获得水下图片重点聚焦的特征，对图片进行单应性变换，生成匹配特征体，计算该图片的特征体与其他图片特征体的匹配代价，得到一个四维的匹配代价体，使用基于多尺度的三维卷积神经网络进行匹配代价体正则化，对代价体进行过滤，得到深度值概率体，通过神经网络得出深度图，将深度值映射到三维空间，得到三维点云图。本发明充分使用卷积神经网络的特征提取能力，进一步提升模型的表征能力，极大改善立体匹配效果，动态平衡各个通道的权重大小，能够精准的对特征的各个通道进行全局信息调整，有利于优化特征局部信息。
-
公开(公告)号：CN116883954A
公开(公告)日：2023-10-13
申请号：CN202310424993.4
申请日：2023-04-20
Applicant: 西北工业大学
IPC: G06V20/54 , G06V20/40 , G06V10/774 , G06V10/75 , G06N3/0464 , G06N3/08 , G06V10/82 , G06V10/80
Abstract: 本发明公开了一种基于时空准则与混合网络架构的多级车辆重识别方法，针对重识别数据集提出一种新的基于多视角图像的mixup的采样策略，增强模型对车辆视角变换的鲁棒性。针对以往深度学习算法对于外观相似的车辆类别难以区分的问题，通过设计时空准则，减少误检，提高模型检索的准确率；通过混合网络架构，提取细粒度全局信息，克服CNN网络结构丢失细节信息的缺点，提升模型提取特征的鲁棒性。本发明在保证检索速度的同时，大大提高了模型的准确度，在实际城市交通场景中模型能够稳定高效的运行，具有广阔的应用前景。
-
公开(公告)号：CN116665477A
公开(公告)日：2023-08-29
申请号：CN202310425043.3
申请日：2023-04-20
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于视觉导航停车机器人的辅助泊车方法，首先基于手工标注与卷积神经网络的空车位检测模型检测空车位，停车机器人承载待停车辆，云端将指定停车位的位置信息发送给停车机器人；然后基于色彩空间变换的识别车道线检测算法检测车道，实现机器人按照特定轨迹运行；最终通过机器人自身摄像头实现停车入位。本发明能够辅助车辆完成高效停车，提高了停车的空间利用率，同时降低了成本。
-
公开(公告)号：CN116630878A
公开(公告)日：2023-08-22
申请号：CN202310425733.9
申请日：2023-04-20
Applicant: 西北工业大学
IPC: G06V20/52 , G06V20/40 , G06V10/774 , G06V10/764 , G06V10/80 , G06T7/207 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种视频监控下的吸烟行为检测方法，针对复杂环境下对烟雾和烟支的误检、漏检状况，本发明实现了结合烟支特征与烟雾特征的吸烟行为检测；针对传统烟雾检测中小烟雾检测准确率较低的问题，本发明完成了一种基于特征融合的烟雾检测技术；为了在监控中实现实时检测，本发明设计了一种基于深度可分离卷积改进yolo v5的轻量化烟支检测模型。实验结果表明，本发明所提供的吸烟行为检测方法具有较高的准确率和鲁棒性，能够有效地区分吸烟和非吸烟行为，并且在不同光照、阴影和遮挡等复杂环境下仍能够保持良好的检测效果。
-
Patent Agency Ranking
公开(公告)号：CN116630788A
公开(公告)日：2023-08-22
申请号：CN202310424311.X
申请日：2023-04-20
Applicant: 西北工业大学
IPC: G06V20/05 , G06V10/42 , G06V10/20 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于度量学习的混合网络水下光学图像目标检测方法，首先构建一个由两个混合模块和两个全局自注意力模块组成的残差全局模块，用于对水下光学图像的特征提取；然后构建前‑背景编码模块和位置编码模块用于分类；再用残差全局模块以及前‑背景编码模块和位置编码模块构建基于度量学习的混合网络；将待检测水下光学图像输入训练后的混合网络，最终获得检测结果，实现水下光学图像中的目标检测。本发明有效解决模型对于水下光学图像中常出现的前背景混淆问题，提升模型在水下光学图像目标检测中的可靠性与鲁棒性。
-
公开(公告)号：CN115937807A
公开(公告)日：2023-04-07
申请号：CN202211522042.2
申请日：2022-11-30
Applicant: 西北工业大学
IPC: G06V20/56 , G06V10/774 , G06V10/77 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本申请公开了一种道路病害识别检测方法及系统，方法包括：采集数据集，并将数据集划分为训练集、验证集和测试集；对数据集进行预处理，得到处理后数据；根据处理后数据，利用Transformer算法提取图像不同层级的目标特征，得到最终目标向量；基于最终目标向量，得到目标的类别概率，并回归出目标边界框，实现目标精准检测。本申请利用视觉Transformer结构自动提取图像特征，避免了基于CNN方法无法有效利用上下文信息和全局性不够等缺点，通过对图像数据进行道路病害识别，可以代替人工检查道路路面病害情况，有效提高检测效率，降低检测成本，与基于传统CNN的目标检测算法相比，本申请有更高的召回率与精确度。
-
公开(公告)号：CN113420643B
公开(公告)日：2023-02-10
申请号：CN202110688073.4
申请日：2021-06-21
Applicant: 西北工业大学
IPC: G06V20/05 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于深度可分离空洞卷积的轻量级水下目标检测方法，使用水下机器人拍摄水下目标图像，得到水下目标检测数据集，对基于VGG16的Faster R‑CNN模型进行改进，读取水下目标检测数据集，对改进后模型进行训练和测试，得到检测模型权重，在水下机器人平台上搭载检测模型和训练后检测模型权重，对水下图像进行实时检测，识别水下目标。本发明增大了特征图分辨率，适用于多尺度目标，通过降低特征图通道数以及压缩全连接层减少了检测过程的参数量，以此加快了目标识别的速度，使网络具有轻量级的特点，可以搭载于水下机器人平台，具有广阔的应用前景。
-
公开(公告)号：CN113420819B
公开(公告)日：2022-12-06
申请号：CN202110723096.4
申请日：2021-06-25
Applicant: 西北工业大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于CenterNet的轻量级水下目标检测方法，在水下拍摄目标图像，将目标图像制作为数据集，将数据集分为训练集和测试集，并对训练集进行标注，选择ResNet18作为特征提取网络，搭建特征金字塔进行多尺度特征融合，并输出融合后图像大小最大的特征图至检测头中，使用CenterNet算法对训练集中的图像及标注的信息进行深度学习的训练，得到训练后的模型，进行目标检测，获取图像中待检测目标的分类信息和位置信息。本发明更加轻量化，适用于嵌入式设备中，目标检测精度较高，进一步提升了对水下光学图像中多尺度目标的检测精度，减少了部分所需的计算量，增加了推理速度，使算法更加轻量化、实时化。
-
公开(公告)号：CN114677647A
公开(公告)日：2022-06-28
申请号：CN202210375936.7
申请日：2022-04-11
Applicant: 西北工业大学
IPC: G06V20/52 , G06V20/40 , G06V10/22 , G06V10/46 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/246
Abstract: 本发明公开了一种公路运行状态的安全监测系统及方法，包括：数据采集模块，用于采集车辆的道路行驶数据；车辆检测模块，与数据采集模块连接，用于对道路行驶数据进行处理，获得车辆检测框信息；车辆跟踪模块，与车辆检测模块连接，用于根据车辆检测框信息对车辆进行跟踪，获得车辆的坐标轨迹信息；检测判断模块，与车辆跟踪模块连接，用于根据坐标轨迹信息进行道路异常事件的判断，获得判断结果。本发明能够实现对公路运行状态进行可靠、高效的监测，发生交通异常事件可高效地确定事件类型，为交通综合管理提供技术支撑和决策依据。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.026 seconds)
