-
公开(公告)号：CN119942428A
公开(公告)日：2025-05-06
申请号：CN202411694374.8
申请日：2024-11-25
Applicant: 东北电力大学
Abstract: 本发明公开了一种基于改进YOLOv8n的拥挤场景行人检测方法，具体包括以下步骤：步骤1：将待检测的图像输入到改进主干网络，提取不同尺度的特征；步骤2：将步骤1提取的特征输入到模型的特征融合网络DCPAN中，进行特征融合；步骤3：将步骤2融合后的特征输入到模型的改进头部网络中，进行拥挤场景行人检测结果的预测和筛选，得到拥挤场景行人检测的最终预测结果，实现拥挤场景行人检测。相较于现有技术，本发明公开的一种基于改进YOLOv8n的拥挤场景行人检测方法，能有效提高拥挤场景下行人检测的精度。
-
公开(公告)号：CN119026016B
公开(公告)日：2025-04-18
申请号：CN202411045812.8
申请日：2024-08-01
Applicant: 东北电力大学
IPC: G06F18/2415 , G06F18/25 , G06F18/15 , G06F18/213 , G06F18/2131 , G06F18/21 , G06N3/0464 , G06N3/045 , G08B13/196
Abstract: 基于AsymConv‑Densenet网络的Φ‑OTDR电力光缆周界安防入侵事件识别方法，涉及Φ‑OTDR事件识别技术领域，解决现有技术在识别电力光缆周界安防的Φ‑OTDR入侵事件信号中存在信号特征需要人工提取、识别性能依赖于预训练权重，且对典型入侵事件如攀爬与行走、摇晃和敲击等时频特征相似事件存在识别混淆的问题，本发明将密集连接的卷积网络和非对称卷积块进行结合，提出了AsymConv‑Densenet网络。本网络利用非对称卷积块对Densenet网络进行优化，将Densenet网络中转换块的结果矩阵重新进行特征提取。为了避免对后续层增加额外的计算负担，非对称卷积块得到的结果矩阵尺寸和维度与转换块结果矩阵相同。
-
公开(公告)号：CN119540869A
公开(公告)日：2025-02-28
申请号：CN202411691449.7
申请日：2024-11-25
Applicant: 东北电力大学
Abstract: 本发明公开了一种基于改进YOLOv8n的拥挤场景行人检测方法，具体包括以下步骤：（1）建立拥挤场景行人数据集；（2）为数据集中的图像添加标注信息；（3）构建基于改进YOLOv8n的拥挤场景行人检测模型；（4）采用训练集和验证集对模型进行训练，并将训练好的模型保存为最优模型；（5）采用测试集对最优模型进行测试，测试结果满足精度要求，即获得最终的基于改进YOLOv8n的拥挤场景行人检测模型。相较于现有技术，本发明公开的一种基于改进YOLOv8n的拥挤场景行人检测方法，有效降低了拥挤场景下行人检测的误检率和漏检率。
-
公开(公告)号：CN119026016A
公开(公告)日：2024-11-26
申请号：CN202411045812.8
申请日：2024-08-01
Applicant: 东北电力大学
IPC: G06F18/2415 , G06F18/25 , G06F18/15 , G06F18/213 , G06F18/2131 , G06F18/21 , G06N3/0464 , G06N3/045 , G08B13/196
Abstract: 基于AsymConv‑Densenet网络的Φ‑OTDR电力光缆周界安防入侵事件识别方法，涉及Φ‑OTDR事件识别技术领域，解决现有技术在识别电力光缆周界安防的Φ‑OTDR入侵事件信号中存在信号特征需要人工提取、识别性能依赖于预训练权重，且对典型入侵事件如攀爬与行走、摇晃和敲击等时频特征相似事件存在识别混淆的问题，本发明将密集连接的卷积网络和非对称卷积块进行结合，提出了AsymConv‑Densenet网络。本网络利用非对称卷积块对Densenet网络进行优化，将Densenet网络中转换块的结果矩阵重新进行特征提取。为了避免对后续层增加额外的计算负担，非对称卷积块得到的结果矩阵尺寸和维度与转换块结果矩阵相同。
-
-
-
Search Results
4
records
(took 0.023 seconds)
