-
公开(公告)号：CN119810416A
公开(公告)日：2025-04-11
申请号：CN202411888420.8
申请日：2024-12-20
Applicant: 常州大学
IPC: G06V10/25 , G06V10/774 , G06V10/764 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及漂浮物识别领域，具体涉及一种基于改进YOLO的水面漂浮物识别方法及水面清污机器人。方法包括：构建水面漂浮物数据集，搭建改进YOLO网络模型；其中，改进YOLO网络模型在骨干网络和颈部网络中通过空间特征重组模块提取图像的不同尺度特征；在颈部网络通过交叉路径聚合模块对不同特征层进行多路径交互融合，并通过背景噪声抑制模块增强图像前景中的漂浮物特征；最后由检测头根据颈部网络输出进行目标分类；使用水面漂浮物数据集训练改进YOLO网络模型，得到训练好的网络模型；利用训练好的网络模型对待识别的水域图像进行识别，得到识别结果。本发明可以显著提高漂浮物的检测精度，更加适应存在噪声干扰的水面漂浮物检测场景。
-
公开(公告)号：CN117496348A
公开(公告)日：2024-02-02
申请号：CN202311468585.5
申请日：2023-11-07
Applicant: 常州大学
IPC: G06V20/10 , G06V10/774 , G06V10/26 , G06V20/70 , G06V10/44 , G06V10/75 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及图像处理技术领域，具体涉及一种基于小样本学习的水面垃圾识别方法，方法包括：构建水面垃圾识别的训练集和测试集，训练集和测试集均包括支持集和查询集，支持集中的图像为标注图像，查询集内的图像为未标注图像；构建基于特征匹配和场景解析的小样本语义分割模型，模型包括特征提取网络、瓶颈层和多尺度解码器，瓶颈层包括匹配模块和场景解析模块；利用训练集对模型进行训练，保存训练效果最好的模型权重；加载训练效果最好的模型及其权重，输入测试集中的水面垃圾图像进行识别。本发明结合场景解析的方法，在标注样本较少的情况下，通过匹配实现较高精度的识别。
-
公开(公告)号：CN118657939A
公开(公告)日：2024-09-17
申请号：CN202410669917.4
申请日：2024-05-28
Applicant: 常州大学
IPC: G06V10/26 , G06V10/82 , G06V10/44 , G06V10/46 , G06V10/764 , G06V10/80 , G06V20/70 , G06N3/0455 , G06N3/0464 , G06N3/08 , B25J9/16
Abstract: 本发明涉及图像分割领域，具体涉及一种用于水面清污机器人的水域岸边识别方法及清污方法。识别方法包括：搭建改进U‑Net网络，并训练，保存效果最好的模型；利用训练好的改进U‑Net网络识别水域岸边图片中的水域及岸边区域；其中，改进U‑Net网络包括编码器、跳跃连接层和解码器，所述跳跃连接层增加有GAB融合模块，所述GAB融合模块用于融合来自编码器相邻层输出的低级特征和高级特征及来自训练集的相应掩码，得到跳跃连接层输出，跳跃连接层输出连接到解码器的相应层。本发明能够准确分割出水域及岸边区域。
-
公开(公告)号：CN116863306A
公开(公告)日：2023-10-10
申请号：CN202310947525.5
申请日：2023-07-31
Applicant: 常州大学
IPC: G06V10/82 , G06V10/774 , G06V10/80 , G06V10/74 , G06V10/764 , G06V10/30 , G06T5/00 , G06T5/30
Abstract: 本发明涉及一种基于改进YOLOv6网络模型的水面漂浮小目标的检测方法，包括：采用预先训练好的改进YOLOv6网络模型对水面漂浮目标图像进行检测，输出水面小目标检测结果；其中，所述改进YOLOv6网络模型采用细节信息增强模块提高对小目标的细节信息提取能力，采用自适应噪声抑制模块抑制噪声，使用标准化的高斯Wasserstein距离来计算模型训练中的回归损失。本发明能够准确检测出水面的漂浮小目标。
-
-
-
Search Results
4
records
(took 0.014 seconds)
