公开(公告)号：CN114419027A

公开(公告)日：2022-04-29

申请号：CN202210131455.1

申请日：2022-02-14

Applicant: 武汉工程大学

Inventor： 刘黎志 ,  邓开巍

IPC: G06T7/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于YOLOv5s的移动端钢筋检测计数方法，涉及计算机视觉领域和边缘计算领域，该方法采集建筑工地中钢筋横切面图像，构建钢筋测试集，选取2019数字中国创新大赛公开的钢筋盘点数据集作为训练集，使用YOLOv5s目标检测模型，将训练集输入到模型中，经过训练和迭代反馈，得到钢筋检测计数模型，通过Pyorch Mobile框架将钢筋检测计数模型部署到移动手机应用中，实现端侧数据处理，促进智慧工地建设。

公开(公告)号：CN113344877A

公开(公告)日：2021-09-03

申请号：CN202110637095.8

申请日：2021-06-08

Applicant: 武汉工程大学

Inventor： 刘黎志 ,  李姚舜 ,  邓开巍 ,  刘杰

IPC: G06T7/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明实施例提供一种基于卷积神经网络的钢筋模型训练方法及装置，所述方法包括：对钢筋端面的原始图像进行采样，得到训练样本，对训练样本进行训练；并对卷积神经网络模型中的卷积层进行下采样，得到用于预测大尺寸目标的第一检测通道；对第一检测通道中的输出进行上采样，并将上采样结果与卷积层中的特征图像进行图像融合，得到用于预测中等尺寸目标的第二检测通道和用于预测小尺寸目标的第三检测通道；删除卷积层的第一检测通道，得到更新后的卷积神经网络模型，通过更新后的卷积神经网络模型对训练样本进行检测，得到钢筋的数量信息。采用本方法能够在通过卷积神经网络模型进行训练时减少训练参数，即减少了训练模型需要的时间和内存。