公开(公告)号：CN118015582A

公开(公告)日：2024-05-10

申请号：CN202410219294.0

申请日：2024-02-28

Applicant: 河南科技大学

Inventor： 陶发展 ,  王秀菊 ,  付主木 ,  翟坤宁 ,  段波 ,  陈远哲 ,  高颂 ,  王俊 ,  孙力帆 ,  王楠 ,  朱龙龙 ,  杨艺 ,  陈灵峰

IPC: G06V20/56 ,  G06V10/82 ,  G06V10/20 ,  G06V10/774 ,  G06V10/44 ,  G06V10/764 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0985

Abstract: 一种基于改进卷积神经网络的路面状态识别方法，包括如下步骤：S1、采集待识别的原始路面图像；S2、将原始路面图像输入到已训练好的神经网络识别模型中进行处理，神经网络识别模型包括Inception‑ResNet‑v2基础网络，且Inception‑ResNet‑v2基础网络的第一主体模块Inception‑ResNet‑A、第二主体模块Inception‑ResNet‑B和第三主体模块Inception‑ResNet‑C中均引入ECA注意力模块；S3、对第一特征图、第二特征图和第三特征图进行全局平均池化后融合得到特征数据；S4、利用分类器对特征数据进行识别分类得到路面状态结果。本发明提供一种基于改进卷积神经网络的路面状态识别方法，通过在卷积神经网络中引入注意力机制以及特征融合策略提高模型的特征提取能力，进而提高模型的分类准确率、时效性和泛化性，从而实现路面状态图像的精准识别。

公开(公告)号：CN117975158A

公开(公告)日：2024-05-03

申请号：CN202410208763.9

申请日：2024-02-26

Applicant: 河南科技大学

Inventor： 付主木 ,  翟坤宁 ,  王秀菊 ,  陶发展 ,  朱龙龙 ,  宋书中 ,  高颂 ,  王俊 ,  孙力帆 ,  王楠 ,  杨艺 ,  陈灵峰

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06V10/80

Abstract: 一种基于CNN和Transformer的地基云图云类识别方法，包括以下步骤：S1，获取待识别的地基云图；S2，将待识别的地基云图输入至训练好的基于CNN和Transformer的地基云图分类网络模型中，以对地基云图进行云类识别；所述模型包括语义信息分支、全局信息分支和分类器；本发明中模型的语义信息分支最终能够在待识别的地基云图的特征信息中得到目标特征，语义信息分支采用了分组卷积和膨胀卷积，能够提升语义信息特征提取的全面性，并通过注意力模块提高了模型对细节特征的提取能力，为提升深层语义信息的提取效率，消除无用的特征信息，采用了特征复用模块和邻域消除模块，提高了模型的识别准确率和效率。

公开(公告)号：CN117292200A

公开(公告)日：2023-12-26

申请号：CN202311320256.6

申请日：2023-10-12

Applicant: 河南科技大学

Inventor： 付主木 ,  翟坤宁 ,  陶发展 ,  唐小林 ,  吴红海 ,  朱龙龙 ,  王俊 ,  高颂 ,  李梦杨 ,  马浩翔 ,  步妮 ,  毕淑慧 ,  李帅永 ,  杨艺 ,  陈灵峰 ,  高向前

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/776 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/096

Abstract: 一种基于改进卷积神经网络的地基云图分类识别方法，S1，采集多种类型的地基云图，得到初始地基云图数据集；S2，对初始地基云图进行预处理，构建地基云图数据集；S3，搭建卷积神经网络模型；S4，将地基云图数据集按比例分为训练集、测试集和验证集，采用训练集对卷积神经网络模型进行训练；S5，利用上述的验证集对训练好的卷积神经网络模型进行验证，根据结果调整卷积神经网络模型；S6，利用调整后的卷积神经网络模型对上述的测试集进行识别，得到识别结果；S3中，卷积神经网络模型包括特征提取模块和主网络模块，主网络模块基于ResNet模型和DensNet模型建立，且包括BlockA模块、BlockB模块及BlockC模块。提高了卷积神经网络模型的抗过拟合性，提高了模型的识别准确。