-
公开(公告)号：CN117173786A
公开(公告)日：2023-12-05
申请号：CN202311141055.X
申请日：2023-09-06
Applicant: 无锡学院
IPC: G06V40/20 , G06V10/764 , G06V10/82 , G06V10/80 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084 , G06V20/40
Abstract: 本发明公开了一种复杂场景下跌倒检测方法、系统、电子设备及介质，所述方法包括：S1：获取视频帧中包含人体的检测框区域；S2：建立VGG‑BiNLSTM跌倒行为检测模型：所述VGG‑BiNLSTM跌倒行为检测模型包括VGG网络、BiNLSTM网络；所述BiNLSTM网络构建过程为：改进LSTM网络，将LSTM网络预设的存储单元嵌套到原始LSTM网络存储单元中，构建NLSTM网络存储单元；S3：采用VGG网络对视频帧中包含人体的检测框区域进行特征提取，以捕获人体行为的特征向量；将特征向量送入VGG‑BiNLSTM跌倒行为检测模型中，利用连续帧之间的时序信息，实现对跌倒行为的检测与识别。通过本发明方法以解决传统的深度学习的跌倒检测方式可泛化性低的技术问题，实现对行人跌倒行为的准确检测。
-
公开(公告)号：CN114037636B
公开(公告)日：2024-12-17
申请号：CN202111430920.3
申请日：2021-11-29
Applicant: 无锡学院
Abstract: 本发明公开了一种自适应光学系统校正图像的多帧盲复原方法，具体为：步骤1：采用梯度滤波器对第f帧退化图像g进行高频信息提取，得到提取后的高频信息；基于提取到的高频信息建立目标函数，用于估计与f帧退化图像对应的点扩散函数；基于交替迭代算法将目标函数分割成第一、二子问题；采用用迭代算法对第一子问题进行第k次迭代计算，得到高频复原图像xk，基于xk采用迭代算法对第二子问题进行第k次迭代计算，得到点扩散函数hk；根据计算得到点扩散函数，采用含有泊松噪声的多帧图像复原算法复原第f帧原始图像。本发明复原的图像拥有更好的视觉效果以及评价指标。
-
公开(公告)号：CN118446900B
公开(公告)日：2024-11-26
申请号：CN202410903731.0
申请日：2024-07-08
Applicant: 无锡学院
IPC: G06T3/4053 , G06T3/4007 , G06T3/4046 , G06T5/60 , G06T5/70
Abstract: 本发明公开了一种针对交通标志的图像超分辨率训练数据生成方法，包括以下步骤：步骤1：构建退化模型，所述退化模型用于生成退化序列；其中，退化模型的退化类型包括模糊降质、间隔采样、下采样、噪声和压缩；所述间隔采样包括：对原始交通标志图像的像素进行每隔一行采样，即间隔采样，来模拟原始交通标志图像的混叠过程；步骤2：将退化序列的顺序打乱，并应用于原始交通标志图像，生成退化图像；步骤3：使用上述可调降质模型生成接近真实场景中文字信息的退化图像，用于深度学习图像超分辨率网络模型的训练。针对智能驾驶汽车采集到的交通标志图像进行图像超分辨率，从而提高交通标志图像的清晰度与检测精确性。
-
公开(公告)号：CN114037636A
公开(公告)日：2022-02-11
申请号：CN202111430920.3
申请日：2021-11-29
Applicant: 无锡学院
Abstract: 本发明公开了一种自适应光学系统校正图像的多帧盲复原方法，具体为：步骤1：采用梯度滤波器对第f帧退化图像g进行高频信息提取，得到提取后的高频信息；基于提取到的高频信息建立目标函数，用于估计与f帧退化图像对应的点扩散函数；基于交替迭代算法将目标函数分割成第一、二子问题；采用用迭代算法对第一子问题进行第k次迭代计算，得到高频复原图像xk，基于xk采用迭代算法对第二子问题进行第k次迭代计算，得到点扩散函数hk；根据计算得到点扩散函数，采用含有泊松噪声的多帧图像复原算法复原第f帧原始图像。本发明复原的图像拥有更好的视觉效果以及评价指标。
-
Patent Agency Ranking
公开(公告)号：CN118446900A
公开(公告)日：2024-08-06
申请号：CN202410903731.0
申请日：2024-07-08
Applicant: 无锡学院
IPC: G06T3/4053 , G06T3/4007 , G06T3/4046 , G06T5/60 , G06T5/70
Abstract: 本发明公开了一种针对交通标志的图像超分辨率训练数据生成方法，包括以下步骤：步骤1：构建退化模型，所述退化模型用于生成退化序列；其中，退化模型的退化类型包括模糊降质、间隔采样、下采样、噪声和压缩；所述间隔采样包括：对原始交通标志图像的像素进行每隔一行采样，即间隔采样，来模拟原始交通标志图像的混叠过程；步骤2：将退化序列的顺序打乱，并应用于原始交通标志图像，生成退化图像；步骤3：使用上述可调降质模型生成接近真实场景中文字信息的退化图像，用于深度学习图像超分辨率网络模型的训练。针对智能驾驶汽车采集到的交通标志图像进行图像超分辨率，从而提高交通标志图像的清晰度与检测精确性。
-
公开(公告)号：CN117373057A
公开(公告)日：2024-01-09
申请号：CN202311141052.6
申请日：2023-09-06
Applicant: 无锡学院
IPC: G06V40/10 , G06V10/764 , G06V10/82 , G06V10/774 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种目标行人检测方法、系统、电子设备及介质，包括：S1：获取目标行人图像数据集，将目标行人图像数据集分为训练集和测试集；S2：设置目标行人检测模型：以YOLOv5算法为基本架构，对YOLOv5算法进行改进：将CBAM模块融合进YOLOv5主干网络中，替换掉原主干网络的C3模块；将改进后的FuseSoft‑NMS替换NMS，有利于更好的利用目标检测框的位置信息，提高目标定位的精度；S3：利用训练集对目标行人检测模型进行训练，直到所述图像分类模型的目标损失函数收敛或达到最大训练轮次，以获得训练好的图像分类模型；S4：利用训练好的目标行人检测模型对测试集进行检测，输出行人目标的目标行人图像检测结果，提高目标行人检测精度。
-
公开(公告)号：CN117115857A
公开(公告)日：2023-11-24
申请号：CN202310996301.3
申请日：2023-08-09
Applicant: 无锡学院
IPC: G06V40/10 , G06V10/774 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种基于多域特征差异的域自适应行人重识别方法，属于行人重识别的技术领域；本发明提出的基于多域特征差异的域自适应行人重识别方法通过域内归一化模块消除域内显著风格特征，降低源域和目标域极端风格差异的影响。此外，本发明还通过多域特征融合模块实现不同域融合特征共同训练，提高网络的泛化能力。本发明算法在以Market‑1501、DukeMTMC‑ReID两个数据集互为源域目标域上进行了大量实验，实验结果表明，本发明提出的基于多域特征差异的行人重识别算法对于域自适应行人重识别算法有着显著提升。
-
公开(公告)号：CN116012305A
公开(公告)日：2023-04-25
申请号：CN202211604566.6
申请日：2022-12-13
Applicant: 无锡学院
Abstract: 本发明公开了基于旋转图像片非局部均值的恒星目标图像质心计算方法，涉及图像处理的技术领域，本发明使用扣背底加旋转图像片非局部均值方法计算质心，在不影响原始成像信息的前提下，尽可能提高质心计算精度。本发明对于带有噪声的恒星目标图像质心计算结果，相较传统方法具有更高的精度，该算法能够提高恒星目标图像的信噪比，进而提升大气相干测量系统的测量精度；使用此方法的大气相干长度测量仪也具有更高的精度，提升仪器的可信度与稳定性。
-
公开(公告)号：CN309257466S
公开(公告)日：2025-04-25
申请号：CN202430220364.5
申请日：2024-04-18
Applicant: 无锡学院
Abstract: 1.本外观设计产品的名称：电子设备的日历信息查看的图形用户界面。
2.本外观设计产品的用途：用于一种电子设备。
3.本外观设计产品的设计要点：在于图形用户界面。
4.最能表明设计要点的图片或照片：设计1主视图。
5.电子设备为惯常设计，省略后视图;电子设备为惯常设计，省略左视图;电子设备为惯常设计，省略右视图;电子设备为惯常设计，省略俯视图;电子设备为惯常设计，省略仰视图。
6.指定设计1为基本设计。
7.图形用户界面的用途：用于日历信息查看。
8.图形用户界面的变化状态说明：在设计1主视图中点击左上角代表年份和月份的方框“202310”内的下拉菜单，显示框跳转到设计1界面变化状态图；在设计2主视图中点击中部方框代表日期的“1‑31”会跳转到设计2界面变化状态图，即显示选定的日期，日期下方会显示横线；在设计3主视图中点击中部方框代表星期的“一、二、三、四、五、六、日”跳转到设计3界面变化状态图，即显示选定的星期，星期下会显示横线。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.013 seconds)
