公开(公告)号：CN117974676A

公开(公告)日：2024-05-03

申请号：CN202311673791.X

申请日：2023-12-07

Applicant: 哈尔滨理工大学

Inventor： 马浩维 ,  尹芳

IPC: G06T7/10 ,  G06T7/00 ,  G06N3/0475 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/094

Abstract: 本发明提供了一种基于SwinUnet和生成对抗网络的一种创新的医学图像分割模型，模型由生成器网络和判别器网络两部分结合而成，生成器是基于Swin Transformer构成的U型网络结构，判别器则是基于卷积神经网络构建的判别网络。将原本的SwinUnet和生成对抗网络结合，有助于将原本生成的预测图像进一步优化，通过生成器和判别器的对抗训练，让预测结果越来越接近真实标签，使分割效果越来越好，并且通过使用混合损失函数代替单一的损失函数，使得模型的预测结果更加准确，进而提高图像分割的准确性和鲁棒性。实验结果表明，改进后的算法在两个指标上分别提高和降低了1.23％和2.28％，符合预期的效果。

公开(公告)号：CN117218335A

公开(公告)日：2023-12-12

申请号：CN202311190855.0

申请日：2023-09-15

Applicant: 哈尔滨理工大学

Inventor： 邹英男 ,  马浩维

IPC: G06V10/25 ,  G06V10/40 ,  G06V10/762 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 交通目标检测是智能交通系统中的关键技术之一，其准确性对于交通系统的正常运行至关重要。然而，当前的目标检测算法在交通标志检测方面仍然存在一些问题，如图片尺寸小、特征不明显和检测精度低等。为了解决这些问题，本发明提出了一种基于改进YOLOV5的目标检测算法。将原有的大尺寸描框通过聚类改成更适合交通目标的小尺寸描框，提高检验精度；设计了一种C3、DSP(Depthwise Separable Convolution)，ECA注意力机制结合的DSEC3模块提高模型的效率和推理速度；用CARAFE代替原始上采样保留更多特征细节，提高感受野；最后用SIoU代替原始YOLOV5的CIoU使得模型更容易学习到边界框之间的微小差异，进而提高目标检测的准确性和鲁棒性。实验结果表明，改进后的算法能够满足实际检测需求。