-
公开(公告)号：CN115457363A
公开(公告)日：2022-12-09
申请号：CN202210957661.8
申请日：2022-08-10
Applicant: 暨南大学
Abstract: 本发明涉及机器视觉技术领域，提出一种图像目标检测方法及系统，包括以下步骤：构建用于图像目标检测的第一网络模型、第二网络模型和第三网络模型；其中，第一网络模型、第二网络模型和第三网络模型中包括特征提取模块、特征融合模块和输出模块；其中，第一网络模型中的特征提取模块经过网络压缩得到，第二网络模型中的特征提取模块引入瓶颈结构，第三网络模型中的特征提取模块和特征融合模块采用FPN结构；根据第一网络模型、第二网络模型和第三网络模型分别生成相应的IP核，然后将IP核经过设计后搭载在硬件系统上；获取待检测的图像并对其进行预处理，根据图像的规格调用硬件系统上适配的IP核执行图像目标检测，输出得到目标检测结果。
-
Patent Agency Ranking
公开(公告)号：CN114474053B
公开(公告)日：2023-01-17
申请号：CN202111661244.0
申请日：2021-12-30
Applicant: 暨南大学
IPC: B25J9/16
Abstract: 本发明涉及人工智能技术领域，提出一种机器人地形识别及速度控制方法及系统，其中包括以下步骤：获取设置在机器人足底的压力传感器采集的压力传感信号，对所述压力传感信号进行预处理，得到电压数据；将所述电压数据基于时域进行特征提取，并将提取得到的特征向量输入经过预训练的分类器中对当前机器人行走的地形进行识别，得到地形识别结果；将所述地形识别结果经过选通电路发送至机器人控制器，机器人控制器根据接收的地形识别结果，按照预设的行为姿态参数对机器人的姿态及行走速度进行调整。本发明将低成本的压力传感器及低功耗的分类器应用于地形识别，能够在确保高准确率的地形识别同时，提高机器人的行进过程中的稳定性。
-
公开(公告)号：CN114067153B
公开(公告)日：2022-07-12
申请号：CN202111290845.5
申请日：2021-11-02
Applicant: 暨南大学
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种基于并行双注意力轻量残差网络的图像分类方法及系统，包括对残差网络的卷积核进行结构优化，并提取输入图像的特征信息矩阵；对并行双注意力轻量残差结构输出的特征信息矩阵进行全局平均池化，整合全层空间信息，然后将特征信息矩阵转换为一维特征信息矩阵；将一维特征信息矩阵输入全连接层，得到分类任务对应类别数的矩阵，输出图像分类结果。本发明在对残差网络进行压缩并采取双分支空间通道注意力机制，在保证精度的前提下，压缩了参数和计算量，提升了处理速度，从而提高了基于深度神经网络的目标分类识别的整体效率。
-
公开(公告)号：CN114474053A
公开(公告)日：2022-05-13
申请号：CN202111661244.0
申请日：2021-12-30
Applicant: 暨南大学
IPC: B25J9/16
Abstract: 本发明涉及人工智能技术领域，提出一种机器人地形识别及速度控制方法及系统，其中包括以下步骤：获取设置在机器人足底的压力传感器采集的压力传感信号，对所述压力传感信号进行预处理，得到电压数据；将所述电压数据基于时域进行特征提取，并将提取得到的特征向量输入经过预训练的分类器中对当前机器人行走的地形进行识别，得到地形识别结果；将所述地形识别结果经过选通电路发送至机器人控制器，机器人控制器根据接收的地形识别结果，按照预设的行为姿态参数对机器人的姿态及行走速度进行调整。本发明将低成本的压力传感器及低功耗的分类器应用于地形识别，能够在确保高准确率的地形识别同时，提高机器人的行进过程中的稳定性。
-
公开(公告)号：CN114067153A
公开(公告)日：2022-02-18
申请号：CN202111290845.5
申请日：2021-11-02
Applicant: 暨南大学
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种基于并行双注意力轻量残差网络的图像分类方法及系统，包括对残差网络的卷积核进行结构优化，并提取输入图像的特征信息矩阵；对并行双注意力轻量残差结构输出的特征信息矩阵进行全局平均池化，整合全层空间信息，然后将特征信息矩阵转换为一维特征信息矩阵；将一维特征信息矩阵输入全连接层，得到分类任务对应类别数的矩阵，输出图像分类结果。本发明在对残差网络进行压缩并采取双分支空间通道注意力机制，在保证精度的前提下，压缩了参数和计算量，提升了处理速度，从而提高了基于深度神经网络的目标分类识别的整体效率。
-
公开(公告)号：CN115457363B
公开(公告)日：2023-08-04
申请号：CN202210957661.8
申请日：2022-08-10
Applicant: 暨南大学
Abstract: 本发明涉及机器视觉技术领域，提出一种图像目标检测方法及系统，包括以下步骤：构建用于图像目标检测的第一网络模型、第二网络模型和第三网络模型；其中，第一网络模型、第二网络模型和第三网络模型中包括特征提取模块、特征融合模块和输出模块；其中，第一网络模型中的特征提取模块经过网络压缩得到，第二网络模型中的特征提取模块引入瓶颈结构，第三网络模型中的特征提取模块和特征融合模块采用FPN结构；根据第一网络模型、第二网络模型和第三网络模型分别生成相应的IP核，然后将IP核经过设计后搭载在硬件系统上；获取待检测的图像并对其进行预处理，根据图像的规格调用硬件系统上适配的IP核执行图像目标检测，输出得到目标检测结果。
-
-
-
-
-
Search Results
6
records
(took 0.04 seconds)
