-
Patent Agency Ranking
公开(公告)号：CN118397402A
公开(公告)日：2024-07-26
申请号：CN202410863073.7
申请日：2024-06-29
Applicant: 南昌大学
IPC: G06V10/774 , G06V10/82 , G06V20/10 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种轻量级小目标森林火灾检测模型的训练方法及系统，涉及森林火灾检测技术领域，该训练方法包括：获取关于森林火灾的初始图像数据集并进行数据增强；构建StarELAN网络，将StarELAN网络作为YOLOv9模型中特征提取的主网络，并对YOLOv9模型进行缩小调整，以轻量化YOLOv9模型；在轻量化的YOLOv9模型中增设小目标检测头，并在所有检测头中引入LSK注意力机制，以捕捉小目标森林火灾；构建Inner‑CIoU损失函数，并作为轻量级小目标森林火灾检测模型的最终损失函数；根据该损失函数，将数据增强后的初始图像数据集对轻量级小目标森林火灾检测模型进行检测训练。因此，基于该训练方法得到森林火灾检测模型能够快速准确地对小目标森林火灾进行检测。
-
公开(公告)号：CN119863613A
公开(公告)日：2025-04-22
申请号：CN202510344884.0
申请日：2025-03-24
Applicant: 南昌大学
IPC: G06V10/25 , G06V20/54 , G06V10/52 , G06V10/80 , G06V10/82 , G06V10/77 , G06V10/764 , G06N3/0464 , G06N3/048
Abstract: 本发明涉及交通目标检测领域，提出一种基于自适应感知注意力的实时交通目标检测方法及系统，通过设计了自适应缩放因子，以动态调整每个注意力头对不同特征的关注强度和注意力分布，增强了对局部特征的注意力，提高了目标检测的准确性，再设计一种多尺度偏移感知注意力模块，增强了采样偏移生成过程的空间感知能力，以更好地关注关键区域，提高了复杂场景下目标检测的准确性和鲁棒性，又设计了一种双向跨尺度特征融合模块，在不同特征层次之间进行跨层连接，增强了特征融合能力，以减少特征的信息损失，同时加入动态上采样算子，进一步减少了特征的信息损失，提高了目标检测的准确性，本发明提高了交通目标检测方法的准确性和鲁棒性。
-
公开(公告)号：CN118397402B
公开(公告)日：2024-10-11
申请号：CN202410863073.7
申请日：2024-06-29
Applicant: 南昌大学
IPC: G06V10/774 , G06V10/82 , G06V20/10 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种轻量级小目标森林火灾检测模型的训练方法及系统，涉及森林火灾检测技术领域，该训练方法包括：获取关于森林火灾的初始图像数据集并进行数据增强；构建StarELAN网络，将StarELAN网络作为YOLOv9模型中特征提取的主网络，并对YOLOv9模型进行缩小调整，以轻量化YOLOv9模型；在轻量化的YOLOv9模型中增设小目标检测头，并在所有检测头中引入LSK注意力机制，以捕捉小目标森林火灾；构建Inner‑CIoU损失函数，并作为轻量级小目标森林火灾检测模型的最终损失函数；根据该损失函数，将数据增强后的初始图像数据集对轻量级小目标森林火灾检测模型进行检测训练。因此，基于该训练方法得到森林火灾检测模型能够快速准确地对小目标森林火灾进行检测。
-
公开(公告)号：CN118552929B
公开(公告)日：2024-11-26
申请号：CN202411021431.6
申请日：2024-07-29
Applicant: 南昌大学
IPC: G06V20/56 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种基于改进YOLOv8n的交通目标检测方法及系统，涉及自动驾驶和辅助驾驶技术领域，该方法包括：获取初始驾驶视频图像，划分为训练图像和待测图像；对现有的YOLOv8n模型进行改进以得到改进YOLOv8n模型，改进包括：将YOLOv8n模型中的C2f替换为StarDR_C2f，将YOLOv8n模型中的SPPF替换为具有大核条带卷积的SPPF‑LSKA，将YOLOv8n模型中的分类头进行轻量化处理，在YOLOv8n模型中加入轻量化下采样SCDown，在YOLOv8n模型中加入部分自注意力PSA；使用训练图像对改进YOLOv8n模型进行迭代优化训练，得到改进YOLOv8n的交通目标检测模型；将待测图像输入改进YOLOv8n的交通目标检测模型进行检测，输出交通目标检测结果。该方法能够提高自动驾驶和辅助驾驶技术领域中交通目标检测的准确率和效率。
-
公开(公告)号：CN118552929A
公开(公告)日：2024-08-27
申请号：CN202411021431.6
申请日：2024-07-29
Applicant: 南昌大学
IPC: G06V20/56 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种基于改进YOLOv8n的交通目标检测方法及系统，涉及自动驾驶和辅助驾驶技术领域，该方法包括：获取初始驾驶视频图像，划分为训练图像和待测图像；对现有的YOLOv8n模型进行改进以得到改进YOLOv8n模型，改进包括：将YOLOv8n模型中的C2f替换为StarDR_C2f，将YOLOv8n模型中的SPPF替换为具有大核条带卷积的SPPF‑LSKA，将YOLOv8n模型中的分类头进行轻量化处理，在YOLOv8n模型中加入轻量化下采样SCDown，在YOLOv8n模型中加入部分自注意力PSA；使用训练图像对改进YOLOv8n模型进行迭代优化训练，得到改进YOLOv8n的交通目标检测模型；将待测图像输入改进YOLOv8n的交通目标检测模型进行检测，输出交通目标检测结果。该方法能够提高自动驾驶和辅助驾驶技术领域中交通目标检测的准确率和效率。
-
-
-
-
Search Results
5
records
(took 0.014 seconds)
