-
公开(公告)号：CN118097580B
公开(公告)日：2024-07-30
申请号：CN202410497746.1
申请日：2024-04-24
Applicant: 华东交通大学
IPC: G06V20/54 , G06V10/141 , G06V10/56 , G06V10/60 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06N3/082
Abstract: 本发明涉及图像识别领域，提出了一种基于Yolov4网络的危险行为防护方法及系统，通过对实时获取的防护区域图像进行预处理，从输入端提高了后续Yolov4网络识别的准确性，再对Yolov4网络进行轻量化改进，并加入了光照矫正子网络、深度可分离卷积模块和ECA注意力模块，极大地提高了图像识别的效率和精度，最终通过注意力导向模块和情景感知模块，划分危险区域，判断危险行为，实现了对危险行为的自动识别与实时监控，极大地提高了危险行为防护的效率和准确性。
-
公开(公告)号：CN113987692A
公开(公告)日：2022-01-28
申请号：CN202111627783.2
申请日：2021-12-29
Applicant: 华东交通大学
Abstract: 本发明公开了一种用于无人机和边缘计算服务器的深度神经网络分区方法，该方法首先建立系统成本模型，然后将无人机与边缘计算服务器执行DNN过程中的分区决策问题，转化为粒子寻优问题，且基于混沌变异二进制粒子群算法对二进制粒子寻优问题进行求解，得出无人机与边缘计算服务器之间最优分区点，能够最大限度的利用无人机的计算资源，实现系统能耗和时延总成本的最小化，有效的提高了无人机执行任务的效率，本发明能够根据DNN的分层结构和输出数据大小，以及每层网络计算所需能耗，在移动设备和边缘计算服务器之间合理划分DNN。
-
公开(公告)号：CN118097580A
公开(公告)日：2024-05-28
申请号：CN202410497746.1
申请日：2024-04-24
Applicant: 华东交通大学
IPC: G06V20/54 , G06V10/141 , G06V10/56 , G06V10/60 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06N3/082
Abstract: 本发明涉及图像识别领域，提出了一种基于Yolov4网络的危险行为防护方法及系统，通过对实时获取的防护区域图像进行预处理，从输入端提高了后续Yolov4网络识别的准确性，再对Yolov4网络进行轻量化改进，并加入了光照矫正子网络、深度可分离卷积模块和ECA注意力模块，极大地提高了图像识别的效率和精度，最终通过注意力导向模块和情景感知模块，划分危险区域，判断危险行为，实现了对危险行为的自动识别与实时监控，极大地提高了危险行为防护的效率和准确性。
-
公开(公告)号：CN113987692B
公开(公告)日：2022-03-22
申请号：CN202111627783.2
申请日：2021-12-29
Applicant: 华东交通大学
Abstract: 本发明公开了一种用于无人机和边缘计算服务器的深度神经网络分区方法，该方法首先建立系统成本模型，然后将无人机与边缘计算服务器执行DNN过程中的分区决策问题，转化为粒子寻优问题，且基于混沌变异二进制粒子群算法对二进制粒子寻优问题进行求解，得出无人机与边缘计算服务器之间最优分区点，能够最大限度的利用无人机的计算资源，实现系统能耗和时延总成本的最小化，有效的提高了无人机执行任务的效率，本发明能够根据DNN的分层结构和输出数据大小，以及每层网络计算所需能耗，在移动设备和边缘计算服务器之间合理划分DNN。
-
-
-
Search Results
4
records
(took 0.018 seconds)
