-
公开(公告)号：CN117975325A
公开(公告)日：2024-05-03
申请号：CN202311784422.8
申请日：2023-12-21
Applicant: 三峡大学
Abstract: 本发明公开了一种母猪产床产子监测预警方法，通过在产床尾部设置监测装置，通过监测装置获取母猪尾部视频，并且通过对视频进行采样获取数据图片，进一步通过构建小猪识别网络模型来对采样的数据进行识别，从而判断母猪是否已经开始生产；该方法在生产发生前无需人工观察，能够做到产前无人工，程序简单且没有特殊的监测要求，能在母猪生产需要耗费大量人力的情况下解放人力资源，实现低代价且操作简单的实时母猪生产情况监控。
-
Patent Agency Ranking
公开(公告)号：CN119919711A
公开(公告)日：2025-05-02
申请号：CN202411831557.X
申请日：2024-12-12
Applicant: 三峡大学
IPC: G06V10/764 , G06V10/774 , G06V10/40 , G06V10/80
Abstract: 本发明涉及一种基于三重注意力的违禁物品检测方法，包括：收集违禁物品的图片，构建数据集D1；将数据集D1的训练集输入到ResNet50网络进行特征提取，得到不同阶段的特征图；将不同阶段的特征图输入到三重注意力融合模块，得到不同阶段的特征增强特征图；将步骤S2的特征图输入到空洞空间金字塔模块，得到包含上下文信息的特征图；将步骤S3和S4的特征图通过多尺度特征融合模块进行融合，得到最终的输出结果。本发明基于三重注意力的违禁物品检测方法，弥补违禁物品特征损失，获得更多特征细节，增强网络特征提取能力，提高违禁物品的检测精度，并增强了检测效率。
-
公开(公告)号：CN116704487B
公开(公告)日：2024-06-11
申请号：CN202310690543.X
申请日：2023-06-12
Applicant: 三峡大学
IPC: G06V20/62 , G06V10/22 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种基于Yolov5s网络和CRNN的车牌检测与识别方法。该方法使用基于Yolov5s网络实现对车牌的一个精准检测与定位，通过添加注意力机制，可以增强网络对车牌区域的关注度，使得网络更加准确地定位和检测车牌。这有助于提高车牌检测算法对不同类型车牌的适应性和泛化能力。将精准定位的图像作为CRNN网络的输入，对车牌进行准确的识别。Yolov5s网络相较于原网络在准确性方面提高了4.87%,在AP上提升了6.06%，具有准确性较强，模型尺寸小优点。
-
公开(公告)号：CN117830876A
公开(公告)日：2024-04-05
申请号：CN202311556266.X
申请日：2023-11-21
Applicant: 三峡大学
IPC: G06V20/17 , G06V10/25 , G06V10/774 , G06V10/82 , G06V10/776 , G06N3/0464 , G06N3/08
Abstract: 一种基于矢量回归和注意力机制的遥感旋转飞机检测算法，它包括以下步骤：步骤1：选取无人机航拍数据集作为数据集；步骤2：将获得的数据集标注方式采用的四和八参数统一转化为五参数标注，使用带角度特异性的旋转框，提高检测的准确性；步骤3：将所述数据集按照一定比例划分为训练集、验证集、测试集；步骤4：构建Cross‑latitude Attention模型和ClA‑DLANet模型步骤5：通过训练好的模型，在测试数据集上进行测试，通过评价指标评估模型，调整参数；通过以上步骤对旋转飞机进行检测。
-
公开(公告)号：CN116704487A
公开(公告)日：2023-09-05
申请号：CN202310690543.X
申请日：2023-06-12
Applicant: 三峡大学
IPC: G06V20/62 , G06V10/22 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种基于Yolov5s网络和CRNN的车牌检测与识别方法。该方法使用基于Yolov5s网络实现对车牌的一个精准检测与定位，通过添加注意力机制，可以增强网络对车牌区域的关注度，使得网络更加准确地定位和检测车牌。这有助于提高车牌检测算法对不同类型车牌的适应性和泛化能力。将精准定位的图像作为CRNN网络的输入，对车牌进行准确的识别。Yolov5s网络相较于原网络在准确性方面提高了4.87%,在AP上提升了6.06%，具有准确性较强，模型尺寸小优点。
-
公开(公告)号：CN118015253A
公开(公告)日：2024-05-10
申请号：CN202410055918.X
申请日：2024-01-15
Applicant: 三峡大学
IPC: G06V10/25 , G06V10/82 , G06N3/0464 , G06V10/774 , G06V10/44 , G06V10/80 , G06N3/084 , G06V10/764
Abstract: 一种基于YOLOv7‑tiny的高效实时目标检测方法，该方法通过对网络结构的优化，基于CBAM注意力机制设计新的模块来优化主干特征提取网络，使用轻量化卷积模块GhostConv来优化多尺度特征融合网络，采用无锚框的形式改进检测头，以提升检测速度，实现高性能与实时性的平衡。在训练过程中，图像输入模型后，通过优化后的主干特征提取网络提取待检测目标的特征，将提取的特征送入优化后的多尺度特征融合网络中进行特征融合，无锚框的检测头根据融合结果得出检测结果。本申请通过改进YOLOv7‑tiny算法，使其在保持较高检测速度的情况下，大幅提高其精度。与高精度的网络相比，本申请在保持高精度的前提下,大大降低了网络的参数量，使其能够在算力较低的设备上实现高效实时的目标检测。
-
-
-
-
-
Search Results
6
records
(took 0.013 seconds)
