-
公开(公告)号：CN119540782A
公开(公告)日：2025-02-28
申请号：CN202510090618.X
申请日：2025-01-21
Applicant: 南开大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明涉及计算机视觉技术领域，提供YOLO模型的垃圾检测方法、系统、设备、产品及介质，包括获取检测数据集，对检测数据集进行重分类，得到分类集；选取骨干网络，构建特征提取卷积模块，将特征提取卷积模块嵌入骨干网络中；选取颈部网络，构建SAC‑Net模块，将SAC‑Net模块嵌入颈部网络中，并将颈部网络与骨干网络连接；构建包括EIOU损失函数的边界框损失模块，通过边界框损失模块构建检测头，并将检测头与颈部网络连接；构建包括骨干网络、颈部网络和检测头的初始分类模型；根据分类集对初始分类模型进行配置，对初始分类模型进行训练，得到目标分类模型。本发明有效提升了分类模型分类的准确率。
-
公开(公告)号：CN119478911B
公开(公告)日：2025-03-18
申请号：CN202510060730.9
申请日：2025-01-15
Applicant: 南开大学
IPC: G06V20/60 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/082
Abstract: 本发明涉及红外图像检测技术领域，提供一种改进型红外小目标检测方法、系统及装置。获取并预处理图像，获得预处理后的图像；基于YOLOv9框架建立网络模型，预处理后的图像输入网络模型后，依次经过主干网络、多尺度特征融合网络处理，并由检测头模块检验合格后输出；主干网络包括SD_BS模块，多尺度特征融合网络包括GSELAN模块。本发明通过引入了SD_BS模块和GSELAN模块，解决了深度卷积造成的浅层信息的丢失的技术问题，达到了缓解深度卷积造成的浅层信息的丢失，同时减小模型复杂度与计算量，增强特征的非线性表达能力，更高效地捕获和利用特征中的信息的技术效果。
-
公开(公告)号：CN119540782B
公开(公告)日：2025-04-08
申请号：CN202510090618.X
申请日：2025-01-21
Applicant: 南开大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明涉及计算机视觉技术领域，提供YOLO模型的垃圾检测方法、系统、设备、产品及介质，包括获取检测数据集，对检测数据集进行重分类，得到分类集；选取骨干网络，构建特征提取卷积模块，将特征提取卷积模块嵌入骨干网络中；选取颈部网络，构建SAC‑Net模块，将SAC‑Net模块嵌入颈部网络中，并将颈部网络与骨干网络连接；构建包括EIOU损失函数的边界框损失模块，通过边界框损失模块构建检测头，并将检测头与颈部网络连接；构建包括骨干网络、颈部网络和检测头的初始分类模型；根据分类集对初始分类模型进行配置，对初始分类模型进行训练，得到目标分类模型。本发明有效提升了分类模型分类的准确率。
-
公开(公告)号：CN119478911A
公开(公告)日：2025-02-18
申请号：CN202510060730.9
申请日：2025-01-15
Applicant: 南开大学
IPC: G06V20/60 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/082
Abstract: 本发明涉及红外图像检测技术领域，提供一种改进型红外小目标检测方法、系统及装置。获取并预处理图像，获得预处理后的图像；基于YOLOv9框架建立网络模型，预处理后的图像输入网络模型后，依次经过主干网络、多尺度特征融合网络处理，并由检测头模块检验合格后输出；主干网络包括SD_BS模块，多尺度特征融合网络包括GSELAN模块。本发明通过引入了SD_BS模块和GSELAN模块，解决了深度卷积造成的浅层信息的丢失的技术问题，达到了缓解深度卷积造成的浅层信息的丢失，同时减小模型复杂度与计算量，增强特征的非线性表达能力，更高效地捕获和利用特征中的信息的技术效果。
-
-
-
Search Results
4
records
(took 0.013 seconds)
