公开(公告)号：CN112668644B

公开(公告)日：2023-03-24

申请号：CN202011580609.2

申请日：2020-12-28

Applicant: 燕山大学

Inventor： 李国强 ,  孙英家 ,  付乐 ,  赵悦

IPC: G06V20/17 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06V10/766

Abstract: 本发明公开一种基于SSD改进算法的无人机航拍目标检测方法，具体实施包括如下步骤：准备特定的数据集，并对数据集进行处理；按照一定比例划分训练集和测试集；建立改进SSD网络结构，先将SSD的六个有效特征层更改为七个有效特征层，在特征融合后的特征层和原Fc7层后均引入RFB模块，用改进后的特征层与原特征层共同检测物体；修改max_size、min_size、ratio等先验框参数，使之更符合航拍物体检测；进行迭代训练，直到损失函数收敛，得到无人机航拍物体检测模型；用训练好的模型检测航拍物体；本发明与现有技术相比，精度和检测数量有了明显的提升，更具实用性。

公开(公告)号：CN112668644A

公开(公告)日：2021-04-16

申请号：CN202011580609.2

申请日：2020-12-28

Applicant: 燕山大学

Inventor： 李国强 ,  孙英家 ,  付乐 ,  赵悦

IPC: G06K9/62

Abstract: 本发明公开一种基于SSD改进算法的无人机航拍目标检测方法，具体实施包括如下步骤：准备特定的数据集，并对数据集进行处理；按照一定比例划分训练集和测试集；建立改进SSD网络结构，先将SSD的六个有效特征层更改为七个有效特征层，在特征融合后的特征层和原Fc7层后均引入RFB模块，用改进后的特征层与原特征层共同检测物体；修改max_size、min_size、ratio等先验框参数，使之更符合航拍物体检测；进行迭代训练，直到损失函数收敛，得到无人机航拍物体检测模型；用训练好的模型检测航拍物体；本发明与现有技术相比，精度和检测数量有了明显的提升，更具实用性。

公开(公告)号：CN112528928B

公开(公告)日：2024-06-11

申请号：CN202011524704.0

申请日：2020-12-22

Applicant: 燕山大学

Inventor： 李国强 ,  王天雷 ,  王俊妍 ,  常轩 ,  付乐

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/047 ,  G06N3/084

Abstract: 本发明公开了一种基于自注意力深度网络的商品识别方法，其包括如下内容：对商品数据集进行分析，选择部分数据并将其划分训练集，验证集和测试集，同时进行小样本处理，将数据分为多个任务，每一个任务都可以再分为支持集和查询集，同时进行数据增强处理；随后提取支持集特征，并计算提取好的支持集特征中每一类的类原型，再提取查询集特征，将支持集类原型和查询集特征送入到以加权马氏距离作为相似性度量的度量分类器中，利用softmax函数计算最终分类结果；再利用反向传播算法更新模型参数，保存在验证集中表现最好的模型，最后将商品测试集送入到模型中进行识别分类。本发明可以减少外部依赖性、识别更加高效，并且应用范围广。

公开(公告)号：CN112528934A

公开(公告)日：2021-03-19

申请号：CN202011527413.7

申请日：2020-12-22

Applicant: 燕山大学

Inventor： 李国强 ,  付乐 ,  孙英家 ,  方奇 ,  王天雷

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

Abstract: 本发明公开了一种基于多尺度特征层的改进型YOLOv3的交通标志检测方法，其包括如下步骤：步骤1、准备交通标志数据集，并进行数据增强；步骤2、搭建YOLOv3改进网络模型，对主干网络进行了改进，将原有的Darknet53替换为了Densenet网络，同时对Densenet网络进行了优化；步骤3、对YOLOv3改进网络模型进行训练；步骤4、使用训练最佳模型对交通标志进行检测。本发明的样本类别平衡、对目标尺度不一的检测能力强、且可以检测更小的交通标志。

公开(公告)号：CN112528928A

公开(公告)日：2021-03-19

申请号：CN202011524704.0

申请日：2020-12-22

Applicant: 燕山大学

Inventor： 李国强 ,  王天雷 ,  王俊妍 ,  常轩 ,  付乐

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

Abstract: 本发明公开了一种基于自注意力深度网络的商品识别方法，其包括如下内容：对商品数据集进行分析，选择部分数据并将其划分训练集，验证集和测试集，同时进行小样本处理，将数据分为多个任务，每一个任务都可以再分为支持集和查询集，同时进行数据增强处理；随后提取支持集特征，并计算提取好的支持集特征中每一类的类原型，再提取查询集特征，将支持集类原型和查询集特征送入到以加权马氏距离作为相似性度量的度量分类器中，利用softmax函数计算最终分类结果；再利用反向传播算法更新模型参数，保存在验证集中表现最好的模型，最后将商品测试集送入到模型中进行识别分类。本发明可以减少外部依赖性、识别更加高效，并且应用范围广。