公开(公告)号：CN119152568A

公开(公告)日：2024-12-17

申请号：CN202411172824.7

申请日：2024-08-26

Applicant: 江苏大学

Inventor： 潘雨青 ,  许峰 ,  李峰 ,  张琬琳 ,  王瑞琦 ,  范佳屹

IPC: G06V40/20 ,  G06V10/44 ,  G06V10/52 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种基于RTMDet的泳池溺水检测方法，通过构建异构特征提取主干网络和CFP‑FPN模块，通过任务对齐学习，借助锚框辅助训练结合基于锚框和无锚框的特点，在不显著增加模型复杂度的同时提高了模型的有效感受野，提高了在复杂场景下对不同尺度游泳者的检测精度。本发明提出的CFP‑FPN模块可以对层间和层内的特征进行充分的融合，提高模型对不同尺度目标的检测准确性，提出的TAL‑AAT检测头充分结合了分类分数与最精确边界框以及基于锚框和无锚框的优点来提高模型分类和定位的准确性。

公开(公告)号：CN119399635A

公开(公告)日：2025-02-07

申请号：CN202411672472.1

申请日：2024-11-21

Applicant: 江苏大学

Inventor： 范佳屹 ,  李峰 ,  潘雨青 ,  王瑞琦

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V10/42 ,  G06V10/44 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于多尺度特征融合Transformer的大豆叶片病害识别方法，包括以下步骤：S1：从公共数据集中获取不同类型的大豆叶片病害图像，S2：对采集的大豆叶片病害图像进行预处理操作，包括旋转、翻转、亮度调整、对比度调整；S3：构建大豆叶片病害识别模型；S4：对训练后的模型进行验证；S5：获取待识别的大豆叶片病害图像；S6：将待识别的大豆叶片图像输入构建好的大豆叶片病害识别模型中，识别并通过分类器输出病害种类；引入了金字塔池化模块和自注意力机制，并对通道注意力模块进行了优化，可以获取不同尺度之间的全局空间依赖关系，从而有效提高模型的识别准确率。