-
公开(公告)号：CN113221823B
公开(公告)日：2024-06-07
申请号：CN202110599256.9
申请日：2021-05-31
Applicant: 南通大学
IPC: G06V20/58 , G06V10/774 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08 , G06F16/951
Abstract: 本发明公开了一种基于改进轻量级YOLOv3的交通信号灯倒计时识别方法，包括以下步骤：制作交通信号灯数据集，预处理数据；YOLOv3的特征提取网络采用ShuffleNetV2，并且通过特征变换融合ShuffleNetV2低中高层特征作为最终高层输出特征；训练改进后的用于红绿交通信号灯十个倒计时数字的20分类的轻量级YOLOv3网络，实现交通信号灯倒计时数字的检测和识别，并将训练好的模型部署到移动端完成交通信号灯倒计时识别。本发明具有识别速度快，准确率高，实用性和泛化性高等优点，并且更容易在移动端部署。
-
公开(公告)号：CN115937963A
公开(公告)日：2023-04-07
申请号：CN202210007741.7
申请日：2022-01-05
Applicant: 南通大学
Abstract: 本发明公开了一种基于步态识别的行人识别方法，包括如下五个部分：视频采集、提取关键点、提取步态特征、训练步态识别模型、识别步态；具体地，摄像头提取行人行走视频，基于摄像头获取的行人多组行走视频，对视频序列图像上提取行人姿态的关键点作为特征，同时使用残差网络和长短期记忆人工神经网络LSTM模块构建基于时间和空间的步态特征；最后，训练SVM多分类器实现步态识别。本发明根据行人识别存在的问题，利用人体关键点构建具有时间和空间步态特征的识别方法。在应用上，本发明的步态识别算法可以用于考勤签到等多种场景。
-
Patent Agency Ranking
公开(公告)号：CN113537393A
公开(公告)日：2021-10-22
申请号：CN202110907362.9
申请日：2021-08-09
Applicant: 南通大学
Abstract: 本发明公开了一种基于改进Transformer的黑暗场景三维人体姿态估计算法，包括以下步骤：制作黑暗场景下人体姿态数据集，并进行数据增强；训练二维人体姿态估计模型，并将经过处理后的图像首先进行二维人体姿态估计，得到人体关节点的二维坐标；将得到的二维关节点坐标组成特征序列作为改进Transformer的输入实现三维人体姿态估计；将训练好的模型部署到移动端设备。本发明在黑暗场景下具有准确率较高和实用性较好等优点。
-
公开(公告)号：CN113221823A
公开(公告)日：2021-08-06
申请号：CN202110599256.9
申请日：2021-05-31
Applicant: 南通大学
Abstract: 本发明公开了一种基于改进轻量级YOLOv3的交通信号灯倒计时识别方法，包括以下步骤：制作交通信号灯数据集，预处理数据；YOLOv3的特征提取网络采用ShuffleNetV2，并且通过特征变换融合ShuffleNetV2低中高层特征作为最终高层输出特征；训练改进后的用于红绿交通信号灯十个倒计时数字的20分类的轻量级YOLOv3网络，实现交通信号灯倒计时数字的检测和识别，并将训练好的模型部署到移动端完成交通信号灯倒计时识别。本发明具有识别速度快，准确率高，实用性和泛化性高等优点，并且更容易在移动端部署。
-
公开(公告)号：CN113537393B
公开(公告)日：2023-08-22
申请号：CN202110907362.9
申请日：2021-08-09
Applicant: 南通大学
IPC: G06T17/00 , G06N3/0464 , G06N3/0455 , G06N3/08 , G06V10/44 , G06T7/20
Abstract: 本发明公开了一种基于改进Transformer的黑暗场景三维人体姿态估计算法，包括以下步骤：制作黑暗场景下人体姿态数据集，并进行数据增强；训练二维人体姿态估计模型，并将经过处理后的图像首先进行二维人体姿态估计，得到人体关节点的二维坐标；将得到的二维关节点坐标组成特征序列作为改进Transformer的输入实现三维人体姿态估计；将训练好的模型部署到移动端设备。本发明在黑暗场景下具有准确率较高和实用性较好等优点。
-
公开(公告)号：CN114419415A
公开(公告)日：2022-04-29
申请号：CN202210025290.X
申请日：2022-01-11
Applicant: 南通大学
Abstract: 本发明提供一种改进的数字识别方法，涉及深度学习、机器学习、计算机视觉、图像分类技术领域。其中方法包括以下步骤：S1：制作数字数据集，并进行图像增强；S2：在PP‑LCNet的基础上引入ShuffleNetV2模块，更换部分激活函数，使用下采样结构进行下采样；S3：使用数据增强过的数据集训练改进的PP‑LCNet网络；S4：完成模型的训练后，将模型部署在移动端。与原有的PP‑LCNet模型相比，本申请构建的数字识别系统具有精度高、速度快等优点，能够满足在移动端进行数字识别的实时性要求，并且本方法的参数量更少，在移动端部署更加容易。与其他轻量级模型相比，本申请构建的数字识别系统的速度更快，更能适应各种复杂的数字书写方式，且实用性与泛化性更高。
-
公开(公告)号：CN112947587A
公开(公告)日：2021-06-11
申请号：CN202110117204.3
申请日：2021-01-28
Applicant: 南通大学
IPC: G05D1/12
Abstract: 本发明涉及一种智能化无人艇搜救系统及搜救方法，包括位于救援中心的主控台、无人艇本体、定位模块、导航模块、搜寻模块、救援模块和控制处理台，所述主控台用于接收事故地点和救援事件，定位模块和导航模块用于导航无人艇到事故地点，搜寻模块用于在事故地点搜寻事故人员，救援模块用于搭载事故人员返回无人艇，本发明在执行海上救援任务时，灵活性高，实时性强，在事故地点附近能够自主定位导航，进行救援目标搜索，降低了救援的人工成本，提高了救援速度。
-
-
-
-
-
-
Search Results
7
records
(took 0.018 seconds)
