公开(公告)号：CN119206426A

公开(公告)日：2024-12-27

申请号：CN202411079699.5

申请日：2024-08-07

Applicant: 三峡大学

Inventor： 雷帮军 ,  艾博文

IPC: G06V10/82 ,  G06V10/80 ,  G06V10/774 ,  G06V10/25 ,  G06V10/44 ,  G06V10/52 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/094

Abstract: 一种用于昼夜图像转换的Forkgan神经网络的构建方法，包括以下步骤：步骤1：建立训练图像数据集，所述图像数据集包括黑夜交通图像数据集和白天交通图像数据集；步骤2：构建改进后的Forkgan网络模型包含了本发明提出的三个改进模块；步骤3：基于损失，网络收敛。本发明的目的是为了解决现有昼夜图像转换中所存在的像素空间距离描述度差、高层特征细节丧失、反卷积会因为局部信息完全丢失造成棋盘效应，导致的图像容易丢失细节信息的技术问题，而提出的一种用于昼夜图像转换的Forkgan神经网络的构建方法。

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

Inventor： 雷帮军 ,  牟乾西 ,  李子怡 ,  丁奇帅 ,  余翱 ,  艾博文

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。