-
公开(公告)号：CN118823675A
公开(公告)日：2024-10-22
申请号：CN202410919147.4
申请日：2024-07-10
Applicant: 南通大学
IPC: G06V20/52 , G06V10/25 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明提供了一种基于轻量化目标检测算法的施工电梯内人数统计方法，属于深度学习技术领域。解决了施工电梯人数检测准确率低、模型较大的技术问题。其技术方案为：包括以下步骤：S1、样本数据制作与增强；S2、对原始yolov7网络模型进行改进；S3、利用步骤S2中改进的yolov7网络模型对S1中制作的数据集进行训练；S4、修改推理代码detect.py，将检测出“person”和“helmet”类别的数目相加并输出最终相加的数目；S5、将待检测图像和视频输入训练好的模型中进行推理预测，得到施工电梯内的人数。本发明的有益效果为：本发明的方法实现电梯内人数统计的智能化，保障乘坐施工电梯的人员安全。
-
公开(公告)号：CN117423062B
公开(公告)日：2024-07-19
申请号：CN202311509438.8
申请日：2023-11-13
Applicant: 南通大学
IPC: G06V20/52 , G06V20/40 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06V40/10
Abstract: 本发明提供了一种基于改进的YOLOv5的建筑工地安全帽检测方法，属于计算机视觉目标检测技术领域。解决了目前检测精度低、小目标误检漏检、遮挡目标检测难度较大的技术问题。其技术方案为：包括以下步骤：S1、样本数据采集；S2、在Neck网络中使用AFPN结构代替FPN结构；S3、采用Slide Loss替换BCE‑loss；S4、边界框回归损失函数替换；S5、得到工人是否佩戴安全帽的结果。本发明的有益效果为：通过改进YOLOv5网络结构，分配更多的注意力给难样本，提取更多目标的特征信息，优化回归损失函数来提升检测精度和速度，减少建筑工地危险事故的发生。
-
公开(公告)号：CN118351485A
公开(公告)日：2024-07-16
申请号：CN202410496281.8
申请日：2024-04-24
Applicant: 南通大学
IPC: G06V20/52 , G06V10/82 , G06V10/774 , G06V20/70 , G06V10/80 , G06N3/0464 , G06N3/045 , G06N3/08 , G06N5/022
Abstract: 本发明提供了一种基于改进yolov7的建筑施工电梯的违规搭载检测方法，属于深度学习技术领域。解决了目前施工电梯违规搭载检测准确率低、模型较大的技术问题。其技术方案为：S1、采集建筑电梯场景下的施工工人乘坐图片；S2、对原始yolov7网络模型进行改进；S3、利用数据集对改进的yolov7网络模型进行训练得到检测模型；S4、利用刚刚训练得到的教师网络提供的知识对学生网络进行训练；S5、训练后，使用测试数据评估学生网络的准确性；S6、验证检测准确率和速率。本发明的有益效果为：本发明的识别方法对该模型进行知识蒸馏，使其最终能更好的运行在性能有限的设备上。
-
公开(公告)号：CN115880676A
公开(公告)日：2023-03-31
申请号：CN202211649911.8
申请日：2022-12-21
Applicant: 南通大学
Abstract: 本发明提供了一种基于深度学习的自助售货机商品识别方法，属于目标识别技术领域。解决了现有的自助售货机结构复杂、故障率高、商品种类受限制和成本高的问题。其技术方案为：包括以下步骤：S1、采集真实场景下物品数据形成商品检测数据集，并对训练集图片中的商品进行标注；S2、基于yolov5和BFCNN搭建网络框架；S3、根据搭建好的yolov5和BFCNN网络框架分别训练商品数据集；S4、使用训练好的网络验证识别商品，得到识别结果。本发明的有益效果为：本发明减小了自助售货机的占地面积以及成本，消除了售货机的商品种类限制，提高了检测速率和精度。
-
公开(公告)号：CN118351481A
公开(公告)日：2024-07-16
申请号：CN202410427913.5
申请日：2024-04-10
Applicant: 南通大学
IPC: G06V20/52 , G06V10/764 , G06V10/82 , G06N3/0464 , G06V10/80 , G06N3/0495 , G06N3/082 , G06N3/045
Abstract: 本发明提供了一种复杂背景下的反光背心检测方法，属于计算机视觉目标检测技术领域。解决了目前建筑工地目标密集、背景错综复杂的情况下检测精度低的技术问题。其技术方案为：包括以下步骤：S1、样本数据采集；S2、引入MSDA注意力模块；S3、替换检测头为DC‑Dyhead；S4、模型剪枝获得轻量化模型；S5、将待检测图像和视频输入训练好的模型中进行推理预测，得到工人是否规范穿着反光背心的结果。本发明的有益效果为：本发明对模型进行压缩，提高检测精度和推理速度，更好的保障了建筑工地工人的安全，减少事故发生。
-
Patent Agency Ranking
公开(公告)号：CN118334630A
公开(公告)日：2024-07-12
申请号：CN202410365820.4
申请日：2024-03-28
Applicant: 南通大学
Abstract: 本发明提供了一种低光环境下的疲劳驾驶检测方法，属于计算机视觉技术领域。解决了在低光环境下对疲劳驾驶检测性能低的技术问题。其技术方案为：包括以下步骤：S1：先获得数据集，DARK FACE数据集、WFLW数据集；S2：构建低光增强网络Illumination Adaptive Transformer；S3：对YOLOv8目标检测网络进行改进；S4：对PFLD网络进行改进，构建人脸关键点检测模型；S5：建立疲劳判断指标；S6：通过疲劳判断指标对驾驶员的疲劳状态判断。本发明的有益效果为：提高模型在低光下的检测能力，减少在夜晚对疲劳驾驶检测的漏检和误检，使模型更具有鲁棒性。
-
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。
-
公开(公告)号：CN116721149A
公开(公告)日：2023-09-08
申请号：CN202310724496.6
申请日：2023-06-16
Applicant: 南通大学
Abstract: 本发明提供了一种基于双目视觉的杂草定位方法，属于计算机视觉技术领域。解决了农业领域中准确、高效的定位杂草的技术问题。其技术方案为：包括以下步骤：S1、双目相机标定，获取相机的详细参数；S2、双目相机立体校正；S3、立体匹配；S4、得出杂草中心点的三维坐标。本发明的有益效果为：本发明利用双目视觉技术构建杂草定位算法，实现杂草的精准定位，为激光除草机器人提供可以实际应用的精准除草方案。
-
公开(公告)号：CN119904845A
公开(公告)日：2025-04-29
申请号：CN202411806509.5
申请日：2024-12-10
Applicant: 南通大学
IPC: G06V20/59 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/22 , G06V10/776
Abstract: 本发明提供了一种轻量级的驾驶员分心行为检测方法，属于计算机视觉技术领域。解决了分心驾驶检测算法模型结构复杂，参数量大，以及模型轻量化与检测精度之间的不平衡技术问题。其技术方案为：包括以下步骤：S1：采集分心驾驶行为数据图片，构建分心驾驶行为数据集；S2：以YOLOv8n模型为基础构建轻量级的分心驾驶检测网络ASU‑YOLO；S3：使用制作的分心驾驶行为数据集对构建的ASU‑YOLO网络模型进行训练，得到轻量级的分心驾驶检测模型；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：本发明在减少算法的参数量与计算量的同时提高模型的检测精度，实现模型的轻量化，满足实时检测的需求。
-
公开(公告)号：CN115880676B
公开(公告)日：2024-04-09
申请号：CN202211649911.8
申请日：2022-12-21
Applicant: 南通大学
Abstract: 本发明提供了一种基于深度学习的自助售货机商品识别方法，属于目标识别技术领域。解决了现有的自助售货机结构复杂、故障率高、商品种类受限制和成本高的问题。其技术方案为：包括以下步骤：S1、采集真实场景下物品数据形成商品检测数据集，并对训练集图片中的商品进行标注；S2、基于yolov5和BFCNN搭建网络框架；S3、根据搭建好的yolov5和BFCNN网络框架分别训练商品数据集；S4、使用训练好的网络验证识别商品，得到识别结果。本发明的有益效果为：本发明减小了自助售货机的占地面积以及成本，消除了售货机的商品种类限制，提高了检测速率和精度。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.06 seconds)
