-
公开(公告)号:CN117830621A
公开(公告)日:2024-04-05
申请号:CN202410015443.1
申请日:2024-01-04
Applicant: 南昌大学
Abstract: 本发明提出了一种基于目标检测模型的工地车辆清洗检测系统,适用于智慧工地建设领域,包括工地监控设备、目标检测模型、监控系统;所述工地监控设备包含摄像头、数据传输模块,用于采集工地实时视频并进行数据传输;所述目标检测模型包含数据标注、YOLO模型训练、YOLO模型验证,用于检测目标车辆与场地喷水的实际坐标信息;所述监控系统包括检测模块、反馈模块,用于计算车辆清洗情况,并返回最终清洗结果。本发明通过目标检测模型实时监测工地车辆出入时的清洗情况,可以提高车辆清洗检测效率,减少人工依赖性,满足智慧工地建设需求。
-
公开(公告)号:CN117635627A
公开(公告)日:2024-03-01
申请号:CN202410006726.X
申请日:2024-01-03
Applicant: 南昌大学
IPC: G06T7/10 , G06N3/0455 , G06N3/0464 , G06N3/0895 , G06T7/00
Abstract: 本发明提出了一种基于CNN与Transformer内在特征一致性的半监督医学图像分割方法,可以有效利用不同网络的学习范式实现数据的内部特征一致化。该方法引入了一个内在特征解码模块用于提取高维特征以生成对应形状的中间预测图。具体来说,在图像解码器获得高维特征时,同时将该特征输入至特征解码器用于生成该维度下的预测结果,接着对CNN和Transformer生成的不同维度预测图进行损失计算,以实现内在特征语义一致化。在公共医学图像数据集上的实验结果表明,本发明的方法在有限标注数据的情况下优于现有的半监督学习方法,同时缩小了CNN与Transformer之间的预测差距。
-
-