-
公开(公告)号：CN116342877A
公开(公告)日：2023-06-27
申请号：CN202310163543.4
申请日：2023-02-24
Applicant: 哈尔滨工程大学
IPC: G06V10/26 , G06V20/70 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/084
Abstract: 本发明的目的在于提供一种复杂场景下基于改进ASPP和融合模块的语义分割方法，包括如下步骤：在Pytorch框架下搭建Deeplabv3+模型；基于传统ASPP结构，设计RA‑ASPP模块；设计CBB模块；采用RA‑ASPP模块对Deeplabv3+模型中的ASPP模块进行替换，采用CBB模块替换解码融合部分的3×3标准卷积；采用冻结训练法训练模型，并分别使用Xception、MobileNetV2作为骨干部分在PASCALVOC07+12数据集上进行消融实验，对比不同模型性能。本发明所提出的改进模块提升了Deeplabv3+的分割效果，不同骨干部分也为复杂场景下的语义分割任务提供了更多的选择。
-
公开(公告)号：CN117409355A
公开(公告)日：2024-01-16
申请号：CN202310765008.6
申请日：2023-06-27
Applicant: 哈尔滨工程大学
IPC: G06V20/50 , G06V10/774 , G06V10/82 , G06V10/764 , G06V10/77 , G06N3/0464
Abstract: 本发明公开了一种基于改进YOLOv4的轻量化多目标检测方法，提出的L‑YOLOv4模型比传统YOLOv4更轻量。本发明的网络基于YOLOv4进行改进,选择MobileNeXt替换CSPDarknet53，采用轻量级骨干网络提高特征提取效率，降低模型复杂度；提出一种改进的ReceptiveFieldBlocksmaller(RFB‑s)模块，采用非对称空洞卷积和SE模块来增强网络特征提取能力，增大感受野；提出一种融合深度可分离卷积与ECA模块的DSC‑ECA模块替换传统YOLOv4中的标准卷积，进一步降低模型参数量与计算量，并弥补了精度损失。本发明提出的L‑YOLOv4模型在VOC数据集上的精度为74.85％，在COCO数据集上的精度为25.28％。L‑YOLOv4在保证检测精度的前提下，参数量降低了77.23％，计算量仅为YOLOv4的16％，在3060Ti上的检测速度为45.2fps，达到了媲美先进算法的性能，并实现了模型的轻量化与实时性检测。
-
公开(公告)号：CN116071672A
公开(公告)日：2023-05-05
申请号：CN202310032881.4
申请日：2023-01-10
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于轻量化目标检测方法的巡逻机器人辅助系统，基于YOLOv4模型，在此基础上使用比传统YOLOv4更加轻量的YOLOv4‑lite网络，使参数量降低到传统YOLOv4的13％且在TianX上的运行速度达到41.82fps，是YOLOv4的1.7倍。本发明的网络基于YOLOv4进行改进，利用轻量级的MobileNetV3网络替换原先的CSPDarknet53主干网络，减少模型的参数量和计算量；采用深度过参数化卷积(DO‑Conv)替换传统的3×3标准卷积,在不增加网络层的情况下进一步提高网络的特征提取能力；采用ReLU6替换原网络中的Leaky ReLU，使得模型在移动端低精度情况下也能有很好的数值分辨率。本发明在降低算法参数量的同时能很好的保证速度与检测精度之间的平衡，满足巡逻机器人辅助系统实时高效的检测要求。
-
公开(公告)号：CN111415471A
公开(公告)日：2020-07-14
申请号：CN202010204112.4
申请日：2020-03-21
Applicant: 哈尔滨工程大学
IPC: G07F17/12
Abstract: 本发明提供的是一种智能超容自取快递柜。包括柜状快递柜，在柜状快递柜的上部设置有圆柱体式快递柜，所述圆柱体式快递柜包括圆柱式柜体，在圆柱式柜体的中心设置中心轴，中心轴上设置悬挂连接杆，中心轴的下端设置驱动电机，圆柱式柜体的底部开有取件门、侧壁开有存件门。本发明打破传统的柜式以及固定空间式的局限性，采取圆柱体式的存放袋状快递结合柜体式存放盒装快递的方法。快递柜以单个存储柱体为单元，可以进行多个储存空间的串接，增大储存空间。柜式仿照以往柜式快递柜，组合在柱式下部。
-
-
-
Search Results
4
records
(took 0.027 seconds)
