-
公开(公告)号：CN119847220A
公开(公告)日：2025-04-18
申请号：CN202510041748.4
申请日：2025-01-10
Applicant: 南通大学
Abstract: 本发明公开了基于改进蜣螂算法的模糊神经网络PID液位控制方法，属于自动控制技术领域。解决常见混沌映射遍历性不足的技术问题。其技术方案为：包括以下步骤：S1、臭氧溶解罐液位控制系统数学模型建立；S2、改进蜣螂算法设计；S3、模糊神经网络PID控制器设计；S4、臭氧溶解罐液位控制系统仿真实验与性能验证。本发明的有益效果是：本发明在蜣螂算法中采用结合ICMIC混沌映射和反向学习的种群初始化策略，显著提高了初始解的均匀性和全局遍历能力；ICMIC映射具有无限折叠混沌特性，能够解决常见混沌映射遍历性不足的问题，同时反向学习策略进一步扩展了搜索空间，使种群分布更加多样化。
-
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：CN115953305A
公开(公告)日：2023-04-11
申请号：CN202211223828.4
申请日：2022-10-09
Applicant: 南通大学
IPC: G06T5/00 , G06N3/0464 , G06F3/048 , G06N3/08
Abstract: 本发明提供一种基于离散余弦变化的频域注意力机制的图像去雾方法，包括以下步骤：S1、构建基于频域的注意力模块；S2、构建基础网络模块；S3、构建去雾网络模型；S4、设计损失函数；S5、利用有雾图像和无雾图像对去雾网络模型进行训练，得到去雾网络模型的模型参数；S6、在去雾网络模型中导入步骤S3训练好的模型参数，输入有雾图像，输出得到无雾图像。设计了一种融入离散余弦变化(DCT)和多层感知机(MLP)的基本网络模块，使得在频域对图像进行建模，获得了更好的图像细节信息。
-
Patent Agency Ranking
公开(公告)号：CN115115892A
公开(公告)日：2022-09-27
申请号：CN202210855415.1
申请日：2022-07-20
Applicant: 南通大学
IPC: G06V10/764 , G06N3/04 , G06N3/08 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种基于生成模型与判别分类模型的图像半监督分类方法，包括以下步骤：S1、构建SVM判别分类模型，利用1000个有标签数据对模型进行训练；S2、构建生成模型，利用生成模型推测出未标签数据，得到伪标签数据；S3、将步骤S2获得的伪标签数据和步骤S1中获得的有标签数据重新训练SVM判别分类模型；S4、测试重新训练SVM判别分类模型的准确率，重复步骤S2‑S3，直至模型的准确率达到设定目标。本发明结合生成式神经网络模型与SVM判别分类模型对数字图像进行准确半监督分类，能够准确高效地对手写数字图像进行半监督分类，即利用少量标记数据便可以获得较优的分类准确率。
-
公开(公告)号：CN114860595A
公开(公告)日：2022-08-05
申请号：CN202210491038.8
申请日：2022-05-07
Applicant: 南通大学
Abstract: 本发明属于软件缺陷预测技术领域，提供一种基于特征相关性分析的实例选择跨项目缺陷预测方法，包括如下步骤：S1、构建项目实例向量集CPIVS；S2、构建相关性权重索引集CWIS；S3、构建相关性特征集CFS；S4、计算实例相关性特征之间距离；S5、构建基于相关性训练集CTS；S6、构建基于特征相关性分析的实例选择跨项目缺陷预测方法FCADP。本发明通过计算每一个目标实例选择出的项目特征与源项目选择出的特征之间的相似度进行源实例选择，将选出的所有源实例组成训练数据集，根据目标实例特征进一步合理的选择源实例。
-
公开(公告)号：CN114581903A
公开(公告)日：2022-06-03
申请号：CN202210300962.3
申请日：2022-03-24
Applicant: 南通大学
Abstract: 本发明提供了一种基于卷积神经网络的车牌字符识别方法，属于深度学习技术领域。解决了传统车牌字符识别方法计算简单，对噪声抵抗差，鲁棒性较差的问题。其技术方案为：包括以下步骤：S1、基于经典LeNet‑5卷积神经网络结构，搭建车牌字符识别神经网络框架；S2、根据步骤S1中搭建的网络框架，制作车牌字符训练数据集；S3、将步骤S2中制作的数据集，通过卷积神经网络训练得到车牌识别网络模型；S4、将已分割好的车牌字符放入神经网络中进行识别，得到车牌识别结果。本发明的有益效果为：本发明能够提高车牌识别的准确率；并且在图像识别处理方面有着明显的优势。
-
公开(公告)号：CN114387473A
公开(公告)日：2022-04-22
申请号：CN202210033296.1
申请日：2022-01-12
Applicant: 南通大学
IPC: G06V10/764 , G06V10/774 , G06V10/40 , G06K9/62
Abstract: 本发明涉及小样本图像分类技术领域，具体涉及一种基于基类样本特征合成的小样本图像分类方法，本发明利用监督对比损失函数在基类数据集上对模型进行预训练得到特征提取器，提取基类和新类样本特并计算原型，对于每类新类原型，利用Cosine相似性计算其近邻基类原型，并在新类原型与其近邻基类原型之间线性合成若干新的样本特征。本发明在不考虑样本分布的情况下，就能实现少量支持样本特征的增强，从而提高小样本图像分类性能。本发明将基类视为多数类，采用过采样技术对新类中的样本进行扩充，能够解决基类与新类之间样本不平衡问题。
-
公开(公告)号：CN114092747A
公开(公告)日：2022-02-25
申请号：CN202111440323.9
申请日：2021-11-30
Applicant: 南通大学
IPC: G06V10/764 , G06V10/74 , G06V10/774 , G06V10/776 , G06V10/82
Abstract: 本发明公开了一种基于深度元度量模型互学习的小样本图像分类方法。由两个参数不相同的元度量模型组成，每一个模型完成对查询样本的进行预测的同时还为另外一个网络提高正则化项，该正则化项是通过计算两者输出之间的KL散度值得到的。本发明可以与任意深度元度量模型相融合，避免其出现过拟合问题，从而提高其所提取特征的泛化性能；还可以通过互学习技术将任意深度元度量模型的分类决策向最优分类决策边界进一步拉近。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.027 seconds)
