-
公开(公告)号:CN118470370A
公开(公告)日:2024-08-09
申请号:CN202410310575.7
申请日:2024-03-19
Applicant: 无锡学院
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/44 , G06V10/42 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了基于信息交互的细粒度图像分类方法,包括:将输入图像分别输入到CNN分支网络的ResNet模块以及CB‑ViT模型的LFE模块中,ResNet模块对输入图像进行特征提取,得到特征图,并将特征图输入到级联CNN模块中,获取输入图像的局部特征;通过LFE模块获取输入图像的低级特征,将输入图像的低级特征输入到ViT分支网络中进行全局特征的提取,获取输入图像的全局图像信息;patch embedding模块将待分类的输入图像数据转化为特征图序列,通过线性映射将特征图序列投影到高维空间,添加一个分类标志向量,以用于最终输出概率分布,添加一个可学习的位置编码矩阵,以用于附加位置信息;Transformer Encoder模块将分类标志向量通过线性变换与激活函数的组合,得到待输入图像的细粒度分类。
-
公开(公告)号:CN118298424A
公开(公告)日:2024-07-05
申请号:CN202410487634.8
申请日:2024-04-22
Applicant: 无锡学院
IPC: G06V20/69 , G06V10/25 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种基于卷积神经网络的过参数化血细胞检测系统,涉及目标检测技术领域,为解决血细胞像素小,相互遮挡等问题,本发明提出的YOLOv7‑CDD算法在backbone网络中引入CBAM注意力机制,以较小的计算成本,增加重要信息权重,忽略无用信息,以提高网络对于各类血细胞关注度;在neck网络中的下采样部分添加DODConv模块,既可以轻量化网络,又能增强模型对小目标信息的捕捉能力;然后将预测头解耦,增强网络分类和回归能力,提高识别精度,减少了不同信息的耦合性,提升模型对于异常细胞检测的鲁棒性。
-
公开(公告)号:CN118587676A
公开(公告)日:2024-09-03
申请号:CN202410482624.5
申请日:2024-04-22
Applicant: 无锡学院
IPC: G06V20/58 , G06V10/25 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06N3/082 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种基于轻量化卷积神经网络的交通标志检测方法,通过使用Ghost卷积和深度卷积构建新的主干模块,成功减少了参数量和计算量,从而提高算法的效率;引入SPDC模块增强了算法对多尺度特征信息的提取能力,进一步提升了模型的检测准确性;引入CARAFE上采样算子有助于增强特征网络的空间分辨率,使模型更精确地还原目标的细节信息;通过采用Focal‑EIoU损失函数替换传统的CIoU损失函数,成功解决了类别不平衡和边界框回归问题,有效提高了检测精度;改进后的模型方法不仅有效提升了交通标志检测的准确性,而且易于部署到嵌入式设备中实现实时在线检测,进一步提升了自动驾驶环境感知的智能化水平。
-
公开(公告)号:CN118298404A
公开(公告)日:2024-07-05
申请号:CN202410462556.6
申请日:2024-04-17
Applicant: 无锡学院
IPC: G06V20/58 , G06V10/52 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于改进YOLOv5s模型的交通标识检测方法,包括以下步骤:步骤1:获取交通标识图像数据集,并将交通标识图像数据集分为训练集和测试集;步骤2:改进YOLOv5s模型:将Neck网络中C3模块的3×3卷积替换为多样性分支DBB模块,得到C3_DB模块,在C3_DB模块后引入Context Aggregation模块;步骤3:将获得的训练集输入搭建好的YOLOv5s模型进行训练;用EIOU_Loss作为损失函数,当YOLOv5s模型损失曲线趋近于0且无明显波动时,停止训练,得到训练权重w,否则继续训练;步骤4:将获取到的交通标识图像输入到训练后的YOLOv5s模型中,进行交通标识检测,YOLOv5s模型根据权重自动识别交通标识的种类及数量。本发明改进后的YOLOv5s模型有效地提升了交通标志检测精度。
-
-
-