-
公开(公告)号：CN117315614A
公开(公告)日：2023-12-29
申请号：CN202311597170.8
申请日：2023-11-28
Applicant: 南昌大学
IPC: G06V20/56 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于改进YOLOv7的交通目标检测方法，包括：构建交通目标检测网络模型，并在YOLOv7网络结构的骨干特征提取网络中采用ReduceBlock模块替换原始卷积进行深层特征提取，以及在YOLOv7网络结构的头部预测模块中嵌入SimCAM模块加深对关键特征的提取，并更换边界框回归损失函数为FocalDIoU函数；建立训练集和验证集，用于交通目标检测网络模型进行训练学习和检测验证;使用递归热启动策略对交通目标检测网络模型进行训练，并对所述训练集和/或所述验证集进行检测、输出交通目标检测结果。本发明在小幅度增加参数量和计算量的情况下，达到运算精度高、速度快的交通目标检测效果。
-
公开(公告)号：CN116416672A
公开(公告)日：2023-07-11
申请号：CN202310685922.X
申请日：2023-06-12
Applicant: 南昌大学
IPC: G06V40/16 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于GhostNetV2的轻量化人脸与人脸关键点检测方法，使用GhostNetV2作为主干特征提取网络的人脸检测模型，并且为了提高对小人脸的检测，使用了由特征融合模块加权双向特征金字塔网络改进而来的分离的特征金字塔网络，为了提高对较大人脸的检测效果，在模型的检测头部分使用了级联上下文预测模块来增大感受野，并加入人脸关键点损失。最后针对WIDER FACE数据集进行分析，制定了合适的锚点分配策略。模型的总参数量为1.6M，在简单，中等，困难子集上的准确率分别达到93.13%，92.39%，84.11%，在CPU上对VAG图像进行推理，仅需要37.7ms。
-
公开(公告)号：CN116469040B
公开(公告)日：2023-08-29
申请号：CN202310685914.5
申请日：2023-06-12
Applicant: 南昌大学
Abstract: 本发明提供了一种基于视频和传感器感知融合的橄榄球员跟踪方法，S1：使用YOLOv7方法检测橄榄球赛视频中每一帧中球员头盔的位置信息；S2：根据时间戳信息将视频帧和传感器数据的量纲对齐；S3：分别确定底线和边线视频帧对应的机位朝向；S4：匹配S1所得球员头盔检测信息及S2的传感器信息中的球员位置和球员编号；S5：利用增强特征提取的DeepSORT方法完成球员跟踪。本发明将量纲不同的视频帧和传感器两个维度的信息完成数据对齐，通过YOLOv7检测出的球员头盔信息与传感器帧确定球员编号的分配问题，利用DeepSORT完成对球员的跟踪，实现简单，具有更强的适用性，且能够有效提高数据关联正确率。
-
Patent Agency Ranking
公开(公告)号：CN117593674B
公开(公告)日：2024-05-03
申请号：CN202410073376.9
申请日：2024-01-18
Applicant: 南昌大学
Abstract: 本发明提供一种轻量级无人机航拍目标实时检测方法，属于目标检测技术领域，该方法具体包括：将YOLOv8n所有原始的C2f模块替换为轻量块DWC2f模块，减少网络模型参数；将YOLOv8n的颈部结构修改为TFPN结构，增加160*160特征图的输入，可以有效解决应对无人机航拍图像小目标占比高的特点；删除20*20特征图的输入，大幅度减少网络参数量，提高实时检测速度；更换SIoU为MPDIoU，进一步提高网络检测性能；使用轻量块DWUnit代替YOLOv8n的头部结构的卷积核大小为3×3的卷积层，在减少参数量的基础上提高模型目标检测头的表达能力。相对于原来的YOLOv8n网络，本发明改进后的模型参数量显著下降了88.3%，从3.2M下降到375K，模型精度mAP值从0.361提升到0.429。
-
公开(公告)号：CN117593674A
公开(公告)日：2024-02-23
申请号：CN202410073376.9
申请日：2024-01-18
Applicant: 南昌大学
Abstract: 本发明提供一种轻量级无人机航拍目标实时检测方法，属于目标检测技术领域，该方法具体包括：将YOLOv8n所有原始的C2f模块替换为轻量块DWC2f模块，减少网络模型参数；将YOLOv8n的颈部结构修改为TFPN结构，增加160*160特征图的输入，可以有效解决应对无人机航拍图像小目标占比高的特点；删除20*20特征图的输入，大幅度减少网络参数量，提高实时检测速度；更换SIoU为MPDIoU，进一步提高网络检测性能；使用轻量块DWUnit代替YOLOv8n的头部结构的卷积核大小为3×3的卷积层，在减少参数量的基础上提高模型目标检测头的表达能力。相对于原来的YOLOv8n网络，本发明改进后的模型参数量显著下降了88.3%，从3.2M下降到375K，模型精度mAP值从0.361提升到0.429。
-
公开(公告)号：CN116469040A
公开(公告)日：2023-07-21
申请号：CN202310685914.5
申请日：2023-06-12
Applicant: 南昌大学
Abstract: 本发明提供了一种基于视频和传感器感知融合的橄榄球员跟踪方法，S1：使用YOLOv7方法检测橄榄球赛视频中每一帧中球员头盔的位置信息；S2：根据时间戳信息将视频帧和传感器数据的量纲对齐；S3：分别确定底线和边线视频帧对应的机位朝向；S4：匹配S1所得球员头盔检测信息及S2的传感器信息中的球员位置和球员编号；S5：利用增强特征提取的DeepSORT方法完成球员跟踪。本发明将量纲不同的视频帧和传感器两个维度的信息完成数据对齐，通过YOLOv7检测出的球员头盔信息与传感器帧确定球员编号的分配问题，利用DeepSORT完成对球员的跟踪，实现简单，具有更强的适用性，且能够有效提高数据关联正确率。
-
公开(公告)号：CN116416672B
公开(公告)日：2023-08-29
申请号：CN202310685922.X
申请日：2023-06-12
Applicant: 南昌大学
IPC: G06V40/16 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于GhostNetV2的轻量化人脸与人脸关键点检测方法，使用GhostNetV2作为主干特征提取网络的人脸检测模型，并且为了提高对小人脸的检测，使用了由特征融合模块加权双向特征金字塔网络改进而来的分离的特征金字塔网络，为了提高对较大人脸的检测效果，在模型的检测头部分使用了级联上下文预测模块来增大感受野，并加入人脸关键点损失。最后针对WIDER FACE数据集进行分析，制定了合适的锚点分配策略。模型的总参数量为1.6M，在简单，中等，困难子集上的准确率分别达到93.13%，92.39%，84.11%，在CPU上对VAG图像进行推理，仅需要37.7ms。
-
公开(公告)号：CN117315614B
公开(公告)日：2024-03-29
申请号：CN202311597170.8
申请日：2023-11-28
Applicant: 南昌大学
IPC: G06V20/56 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于改进YOLOv7的交通目标检测方法，包括：构建交通目标检测网络模型，并在YOLOv7网络结构的骨干特征提取网络中采用ReduceBlock模块替换原始卷积进行深层特征提取，以及在YOLOv7网络结构的头部预测模块中嵌入SimCAM模块加深对关键特征的提取，并更换边界框回归损失函数为FocalDIoU函数；建立训练集和验证集，用于交通目标检测网络模型进行训练学习和检测验证;使用递归热启动策略对交通目标检测网络模型进行训练，并对所述训练集和/或所述验证集进行检测、输出交通目标检测结果。本发明在小幅度增加参数量和计算量的情况下，达到运算精度高、速度快的交通目标检测效果。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
