-
公开(公告)号：CN116453043A
公开(公告)日：2023-07-18
申请号：CN202310244607.3
申请日：2023-03-14
Applicant: 南通大学
IPC: G06V20/52 , G06T7/00 , G06T7/194 , G06V20/40 , G06V10/774
Abstract: 本发明提供了一种基于背景建模和目标检测的厨房老鼠检测方法，属于计算机视觉技术领域。解决了存在有干扰因素的复杂背景下的老鼠检测精度低的问题。其技术方案为：包括以下步骤：S1、样本数据采集；S2、建立背景模型；S3、提取当前帧图像中所有的前景运动目标的目标框；S4、对目标框建立混合高斯分布模型；S5、老鼠检测；S6、输出目标检测结果。本发明的有益效果为：该方法得出一种老鼠检测的通用模型,可以适用在餐饮后厨、食品加工等多种场景下，实现老鼠检测的智能化，减少人工监管所耗费的时间和精力，一定程度上解决老鼠对食品及商品的危害。
-
公开(公告)号：CN116363425A
公开(公告)日：2023-06-30
申请号：CN202310309561.9
申请日：2023-03-27
Applicant: 南通大学
IPC: G06V10/764 , G06V10/82 , G06T7/73 , G06V10/80 , G06V10/77 , G06V10/762 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于改进的YOLOv5的商品种类识别及裁剪方法，属于深度学习中目标识别技术领域。解决了在商品检测过中出现检测不准及需要进行细粒度图像识别时大量无关背景导致检测精度低的技术问题。其技术方案为：包括以下步骤：S1、根据商品信息对所有图像进行数据标注；S2、搭建改进后的YOLOv5的目标检测模型；S3、得到改进后的最好的商品类比检测模型；S4、利用在步骤S3中训练得到的商品类别检测模型进行商品的类别检测。本发明的有益效果为：通过改进后的YOLOv5进行商品类别识别并裁剪出商品图片，以便需要进一步检测时能将裁剪后的图片送入双线性卷积神经网络进行细粒度识别，从而实现提升商品类别识别精度。
-
公开(公告)号：CN116580352A
公开(公告)日：2023-08-11
申请号：CN202310445672.2
申请日：2023-04-24
Applicant: 南通大学
IPC: G06V20/52 , G06V40/10 , G06V10/82 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/082
Abstract: 本发明提供了一种基于改进的yolov5的餐饮工作人员服饰识别方法，属于计算机视觉技术领域。解决了在有干扰因素的复杂背景下的餐饮工作人员服饰识别精度低的技术问题。其技术方案为：S1、样本数据采集；S2、构建改进型YOLOv5神经网络结构；S3、对改进YOLOv5算法进行训练；S4、模型剪枝；S5、现场采集待检测图像并进行图像预处理；S6、输出目标检测结果。本发明的有益效果为：实现餐饮工作人员服饰检测的智能化，减少人工监管所耗费的时间和精力。
-
公开(公告)号：CN117831005A
公开(公告)日：2024-04-05
申请号：CN202311418793.4
申请日：2023-10-30
Applicant: 南通大学
IPC: G06V20/59 , G06V10/774 , G06V10/82 , G06V10/40 , G06V10/766 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于改进的YOLOv5s的分心驾驶行为检测方法，属于计算机视觉技术领域。解决了驾驶行为中抽烟、喝水及接打电话行为检测精度低的技术问题。其技术方案为：包括以下步骤：S1：获取分心驾驶行为数据图片，得到对应的分心驾驶行为数据集，并将该数据集按照9：1的比例分为训练集和验证集；S2：构建分心驾驶行为检测模型；S3：使用分心驾驶行为数据集对改进后的YOLOv5s模型进行训练；S4：通过训练好的模型对分心驾驶行为进行检测。本发明的有益效果为：本发明增强对烟头等小目标物体的检测能力，以及模型的特征融合能力，提高模型的检测精度。
-
-
-
Search Results
4
records
(took 0.012 seconds)
