公开(公告)号：CN118865336A

公开(公告)日：2024-10-29

申请号：CN202410896825.X

申请日：2024-07-05

Applicant: 福州大学

Inventor： 林志贤 ,  蔡忠祺 ,  林珊玲 ,  林坚普 ,  吕珊红 ,  师欣雨 ,  刘珂 ,  张建豪 ,  赖芳伟

IPC: G06V20/59 ,  G06V40/16 ,  G06V40/18 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出一种轻量化YOLOv8‑pose的疲劳驾驶检测方法，所述方法以采集的多姿态、多视角人脸数据集来构建轻量化YOLOv8‑pose模型，并在模型主干网络中引入Ghost卷积来减少模型参数量和不必要的卷积计算，通过引入Slim‑neck融合模型主干网络提取的不同尺寸特征来加速网络预测计算，在模型Neck部分添加遮挡感知注意力模块SEAM来强调图像中的人脸区域并弱化背景，以改善关键点定位效果，同时在模型的检测头部分采用GNSC‑Head结构，其使用共享卷积来将卷积的BN层优化成更稳定的GN层，以节省模型的参数空间和计算资源；所述方法通过构建疲劳决策模型并对模型的输出结果进行评估，以判断驾驶员是否处于疲劳状态；本发明的该方法有利于降低计算复杂度，并提高疲劳检测精度。

公开(公告)号：CN119888173A

公开(公告)日：2025-04-25

申请号：CN202411934242.8

申请日：2024-12-26

Applicant: 福州大学

Inventor： 林志贤 ,  涂登科 ,  梅婷 ,  林珊玲 ,  蔡苾芃 ,  王廷雨 ,  蔡忠祺 ,  丁鹏

IPC: G06V10/25 ,  G06V10/44 ,  G06V10/764 ,  G06V10/766 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/096

Abstract: 本发明涉及一种高效尺度感知的小样本目标检测方法，包括：获取用于模型训练的数据集，并划分为基类数据集和新类数据集；从新类数据集构建不同样本数量的小样本数据集；构建高效尺度感知的小样本目标检测模型，其包括采用高效尺度感知模块ESA重构的特征提取网络、两个梯度解耦层GDL、引入强化三重注意力机制ETA的候选框生成网络RPN、区域卷积网络RCNN、引入原型校准模块PCB的分类器和回归器；采用基于迁移学习策略的两阶段微调方法对小样本目标检测模型进行训练；通过两阶段训练将从基类数据中提取到的先验知识迁移到新类的目标检测中；通过训练好的小样本目标检测模型进行小样本目标检测。该方法有利于提高复杂背景和尺度变化情况下小目标检测的精度。

公开(公告)号：CN118427442A

公开(公告)日：2024-08-02

申请号：CN202410649171.0

申请日：2024-05-23

Applicant: 福州大学

Inventor： 林志贤 ,  师欣雨 ,  林珊玲 ,  林坚普 ,  吕珊红 ,  张建豪 ,  蔡忠祺 ,  王廷雨 ,  刘珂

IPC: G06F16/9535 ,  G06F18/213 ,  G06N3/048 ,  G06N3/0455 ,  G06N3/08 ,  G06N3/047

Abstract: 本发明涉及一种融合交叉网络和特征重要性选择的推荐方法，属于智能推荐领域。包括：构建数据集，将数据进行编码，为每一个用户和项目分配一个初始向量；将初始向量采用SENet网络进行加权处理并通过双线性特征交互层，获得对应更新后的部分向量1；将初始向量通过双线性特征交互层，获得对应更新后的部分向量2；将部分向量1和部分向量2一起输入到并行的交叉网络和深度神经网络进行二次处理；在二次处理后，采用bridge模块强化显式和隐式特征之间的信息，获得对应拼接向量；将得到的拼接向量和二次处理后的向量进行线性整合通过激活函数得到最终的预测概率，生成推荐结果。本发明能够在推荐过程中获得更多的特征交互信息以及对特征进行重要性选择。