-
公开(公告)号：CN114724252B
公开(公告)日：2025-02-14
申请号：CN202210435541.1
申请日：2022-04-24
Applicant: 中国计量大学
IPC: G06V40/20 , G06V20/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明提供一种基于改进MobileNet的视频行为识别方法，其包括如下步骤：首先，将待识别行为视频中的多个连续行为帧输入到所提出的识别网络中，来挖掘行为视频中前后帧之间的运动趋势特征。然后，在加权逐点卷积过程中，在时间轴上添加了一个随机淡入因子，为每个相关帧提供不同的权重来更有效地利用不同时刻的行为帧之间的运动趋势关系。本发明提供的行为识别方法采用了基于多帧MobileNet的轻量级网络架构，通过引入多个连续的行为帧来描述相似行为的内部差异，实现了细粒度的行为识别、检测和评估，提高基于视频的行为识别正确率。
-
公开(公告)号：CN114724252A
公开(公告)日：2022-07-08
申请号：CN202210435541.1
申请日：2022-04-24
Applicant: 中国计量大学
Abstract: 本发明提供一种基于改进MobileNet的视频行为识别方法，其包括如下步骤：首先，将待识别行为视频中的多个连续行为帧输入到所提出的识别网络中，来挖掘行为视频中前后帧之间的运动趋势特征。然后，在加权逐点卷积过程中，在时间轴上添加了一个随机淡入因子，为每个相关帧提供不同的权重来更有效地利用不同时刻的行为帧之间的运动趋势关系。本发明提供的行为识别方法采用了基于多帧MobileNet的轻量级网络架构，通过引入多个连续的行为帧来描述相似行为的内部差异，实现了细粒度的行为识别、检测和评估，提高基于视频的行为识别正确率。
-
Patent Agency Ranking
公开(公告)号：CN115546765A
公开(公告)日：2022-12-30
申请号：CN202211272888.5
申请日：2022-10-18
Applicant: 中国计量大学
IPC: G06V20/58 , G06V10/25 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明提供一种基于改进的YOLOv5车载热图像检测方法，其包括如下步骤：首先本文使用2018年传感器系统开发商FLIR公司发布的自动驾驶开源红外热成像数据集，对数据集中的行人(People)、自行车(Bicycle)、汽车(Cars)3类目标进行检测，训练集8862张，验证集1366张；其次采用基于YOLOv5的深度学习的方法，针对红外图像分辨率低、目标小且细节模糊的问题，提出全新的融入自适应空间特征融合(ASFF)的Neck部分和一种融合卷积注意力模块(ConvolutionalBlockAttentionModule，CBAM)的CBSM模块；接着使用EIOU损失函数替换原有的CIOU损失函数，加速收敛提高回归精度，优化边界框回归任务中的样本不平衡问题,得到一个改进的YOLOv5网络模型。本发明能够有效地满足体积小和轻量化的需求，适合部署到车载嵌入式系统中，具有广阔的应用前景。
-
公开(公告)号：CN116863189A
公开(公告)日：2023-10-10
申请号：CN202310269970.0
申请日：2023-03-20
Applicant: 中国计量大学
IPC: G06V10/764 , G06T7/00 , G06V10/44 , G06V10/82 , G06N3/08 , G06V10/80 , G06N3/0464
Abstract: 本发明提供一种基于孪生网络的设备红外图谱故障分类方法，其包括如下步骤：首先本文使用369张图像感应电机热图像数据集。其次针对红外图像分辨率低、细节模糊和故障图数量少的问题，开发了一个受Resnet网络启发的孪生卷积神经网络(CSA)模型。CSA模型由CSD单元与CDCM单元构成。新的模块CSD单元，以消除潜在的位置偏差。CDCM单元主要进行特征融合，加大了感受野，让每个卷积输出都包含较大范围的信息。最后本文运用二分类交叉熵损失来进行训练。本发明能够有效地满足体积小和轻量化的需求，在具有设备红外故障图的情况下，能够很好的进行故障分类。在电力设备上的故障诊断中可以提高供电安全，具有广阔的应用前景。
-
公开(公告)号：CN114913606A
公开(公告)日：2022-08-16
申请号：CN202210691592.0
申请日：2022-06-17
Applicant: 中国计量大学
IPC: G06V40/20 , G06V10/82 , G06V10/80 , G06V10/774 , G06V10/40 , G06N3/04 , G06N3/08 , G06Q50/04 , G06Q50/08
Abstract: 本发明公开了一种基于YOLO的深度学习的工业现场生产工作区域的违规检测方法，搭建图像采集系统，收集训练样本，再通过数据增强将数据集扩充并进行人工标注，建立工业现场生产工作区域违规行为数据集；基于YOLO的深度学习的方法，根据工地现场违规行为数据集的特点，提出全新的自适应注意力结构嵌入模型(ASAM)和增强特征提取的网络模块GFPN，并且使用alpha‑iou Loss优化Loss函数，使用diou‑NMS替代传统的NMS，最终得到一个新的YOLO网络模型；利用数据集对改进后的YOLO网络模型进行训练，得到能够精确检测是否具有违规行为(工业现场生产工作区域未佩戴安全帽、抽烟等行为)的网络模型；利用训练得到的网络模型，实现对工业现场生产工作区域的违规行为进行检测。本发明能够有效地提高工业现场生产工作区域违规行为检测的精度，具有广阔的应用前景。
-
公开(公告)号：CN113049633A
公开(公告)日：2021-06-29
申请号：CN202110248448.5
申请日：2021-03-05
Applicant: 浙江省应急管理科学研究院 , 中国计量大学
Abstract: 本发明公开了一种金属粉尘遇水自燃测试装置及方法，属于金属粉尘堆积状态下自燃测试实验领域，包括供气装置模块、供水装置模块、加热组件模块、反应装置模块和关键参数测试模块，所述反应装置模块设置在加热组件模块内，所述反应装置模块分别与供气装置模块、供水装置模块和关键参数测试模块相连接。本发明能解决遇水容易发生自燃的金属粉尘的测试，可以完成不同影响因素的改变情况下的自燃温度测试，同时利用温度和气体测试参数，计算得到综合温度和气体参数判据，将堆积状态活泼金属粉尘的自燃倾向性分为四个程度，可更加科学的对不同堆积状态下金属粉尘的自燃倾向进行判断，对活泼金属粉尘实际现场的燃爆防控工作提供数据支撑和理论指导。
-
公开(公告)号：CN114724088A
公开(公告)日：2022-07-08
申请号：CN202210434454.4
申请日：2022-04-24
Applicant: 中国计量大学
Abstract: 本发明公开了一种基于时空残差网络的工序实时评估方法，通过对输入的监控视频中操作人员的检测，提取目标区域图像；然后，使用时空残差网络对目标区域进行时空特征提取和融合，实时识别出作业过程中的每道工序。该方法能够在监控摄像头固定的应用场景下，实现自动化的操作工序的高精度实时评估。
-
-
-
-
-
-
Search Results
7
records
(took 0.021 seconds)
