-
Patent Agency Ranking
公开(公告)号：CN115311529A
公开(公告)日：2022-11-08
申请号：CN202210783690.7
申请日：2022-07-05
Applicant: 三峡大学
IPC: G06V10/82 , G06V10/80 , G06V10/774 , G06V20/54
Abstract: 一种基于改进YOLOv5的夜间车辆识别方法，它包括以下步骤：步骤一：收集若干张夜间车辆的图像；步骤二：进行图像的预处理，获得训练集、验证集、测试集；步骤三：获得用于夜间车辆识别的网络模型；步骤四：使用所获得的用于夜间车辆识别的网络模型进行夜间车辆的识别、检测。本发明的目的是为了解决现有的车辆检测算法在夜间使用时准确度及效率不高，无法有效的适用于夜间场景的技术问题，而提出的一种基于改进YOLOv5的夜间车辆识别方法。
-
公开(公告)号：CN115546633A
公开(公告)日：2022-12-30
申请号：CN202211151971.7
申请日：2022-09-21
Applicant: 三峡大学
Abstract: 一种基于前景特征增强的森林烟雾检测方法，它包括以下步骤：步骤1：构建数据集；步骤2：标注和划分数据集；步骤3：构建YOLOv5网络模型；步骤4：将创建的数据集输入YOLOv5网络模型进行训练；步骤5：部署YOLOv5网络模型并与终端监控通信；步骤6：将捕获的视频输入YOLOv5网络模型检测；步骤7：判断是否存在烟，有烟则报警，无烟则持续检测。本发明的目的是为了解决在使用神经网络进行森林烟雾检测时，存在容易误判雾、云等干扰，且对于火灾发生的早期小样本烟雾检测的准确率低的问题。
-
公开(公告)号：CN114419587B
公开(公告)日：2025-04-18
申请号：CN202210041437.4
申请日：2022-01-14
Applicant: 三峡大学
IPC: G06V20/58 , G06V10/80 , G06V10/774
Abstract: 本发明公开了一种基于CycleGAN的夜间车辆识别方法，包括以下步骤：获取车辆图像的数据集，将数据集划分为训练集与测试集；基于CycleGAN与YOLOv4，获得改进后的YOLOv4；基于夜间车辆图像与白天车辆图像对CycleGAN进行训练，获得训练后的转换器；基于夜间车辆图像与训练后的转换器对改进后的YOLOv4进行训练，获得训练好的YOLOv4；基于训练好的YOLOv4对测试集进行测试，获得夜间车辆识别结果。本发明能够改善车辆与背景之间的对比度和抑制环境光的干扰，在夜间更准确地识别车辆，有效增强车辆特征，提高夜间车辆检测地准确性。
-
公开(公告)号：CN115311204A
公开(公告)日：2022-11-08
申请号：CN202210784561.X
申请日：2022-07-05
Applicant: 三峡大学
IPC: G06T7/00 , G06V10/40 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 一种基于自适应空间特征融合的图像篡改检测方法，它包括以下步骤：步骤1：进行数据集的构建与整理；步骤2：进行篡改检测网络的训练；步骤3：进行篡改检测网络的测试；步骤4：进行篡改图像的检测定位；本发明的目的是针对现有的图像篡改检测方法误差较大以及篡改区域定位不准确的技术问题，而提供的一种基于自适应空间特征融合的图像篡改检测方法。本发明的目的是针对现有的图像篡改检测方法误差较大以及篡改区域定位不准确的技术问题，而提供的一种基于自适应空间特征融合的图像篡改检测方法。
-
公开(公告)号：CN114419587A
公开(公告)日：2022-04-29
申请号：CN202210041437.4
申请日：2022-01-14
Applicant: 三峡大学
IPC: G06V20/58 , G06K9/62 , G06V10/80 , G06V10/774
Abstract: 本发明公开了一种基于CycleGAN的夜间车辆识别方法，包括以下步骤：获取车辆图像的数据集，将数据集划分为训练集与测试集；基于CycleGAN与YOLOv4，获得改进后的YOLOv4；基于夜间车辆图像与白天车辆图像对CycleGAN进行训练，获得训练后的转换器；基于夜间车辆图像与训练后的转换器对改进后的YOLOv4进行训练，获得训练好的YOLOv4；基于训练好的YOLOv4对测试集进行测试，获得夜间车辆识别结果。本发明能够改善车辆与背景之间的对比度和抑制环境光的干扰，在夜间更准确地识别车辆，有效增强车辆特征，提高夜间车辆检测地准确性。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
