-
公开(公告)号：CN111723742A
公开(公告)日：2020-09-29
申请号：CN202010567692.3
申请日：2020-06-19
Applicant: 苏州大学
Abstract: 本申请公开了一种人群密度分析方法、系统、装置及计算机可读存储介质，包括：接收识别图像；利用预先训练得到的轻量化神经网络模型对识别图像中出现的人数进行识别，得到人群密度；其中，轻量化神经网络模型包括依次相连的第一卷积层、第一最大池化层和第二卷积层；第一卷积层和第二卷积层中的卷积层均为Ghost卷积层；本申请基于轻量化神经网络模型的独有架构将其中常规卷积层全部替换成Ghost卷积层，使得网络在保证原有性能的同时能够降低参数量，降低对硬件资源的消耗并加快运行速度，快速高效的计算出识别图像中的人群密度，提高了人群密度分析效率。
-
公开(公告)号：CN111583655A
公开(公告)日：2020-08-25
申请号：CN202010476892.8
申请日：2020-05-29
Applicant: 苏州大学
Abstract: 本发明公开了一种车流量检测方法，包括：根据接收到的车辆监控图像集，确定出目标检测图像；将目标检测图像输入至预先建立的目标神经网络中，以生成与目标检测图像对应的目标密度图；其中，目标神经网络中包含经过空洞化处理的卷积层；对目标密度图进行求和操作以得到计算结果，并将计算结果作为目标检测图像中包含的车辆数量。由此可见，本发明采用对卷积层进行空洞化处理的方式，增加了网络的感受野；从而无需设置多列结构的神经网络，即避免了由于多列结构而产生的不必要的计算量，提高了车流量检测过程中的效率，避免了不必要的时间资源浪费。此外，本发明所提供的一种车流量检测装置、设备及存储介质与上述方法对应。
-
公开(公告)号：CN110930241A
公开(公告)日：2020-03-27
申请号：CN201911161204.2
申请日：2019-11-24
Applicant: 苏州大学
Abstract: 本申请公开了一种信用卡审批方法，包括：预先基于相关熵诱导损失函数，利用样本审批信息确定出目标判别模型；获取目标申请人的目标审批信息，并将目标审批信息输入至目标判别模型中，得到目标判别值；利用目标判别值确定出对应的审批结果。可见，由于相关熵诱导损失函数能够相对消除噪音特征对目标审批信息的影响，因此，本方法能够提高信用卡审批的准确度。本申请还公开了一种信用卡审批装置、设备及计算机可读存储介质，均具有上述有益效果。
-
Patent Agency Ranking
公开(公告)号：CN111091093A
公开(公告)日：2020-05-01
申请号：CN201911301677.8
申请日：2019-12-17
Applicant: 苏州大学
Abstract: 本申请提供一种高密度人群的数量估测方法，具体技术方案如下：将目标拍摄图片输入至网络模型中，得到所述目标拍摄图片对应的预测密度图；对所述预测密度图进行求和运算得到人数估测值；本申请使用的网络模型中，通过采用三列具有不同扩张率的空洞卷积结构，可以学习到由前端网络提取的高维特征中尺度不一致的信息，促进网络的计数性能及生成密度图的质量，进而提高人群人数估测的准确性。本申请还提供一种高密度人群的数量估测系统、计算机可读存储介质和一种高密度人群的数量估测终端，具有上述有益效果。
-
公开(公告)号：CN111583655B
公开(公告)日：2021-12-24
申请号：CN202010476892.8
申请日：2020-05-29
Applicant: 苏州大学
Abstract: 本发明公开了一种车流量检测方法，包括：根据接收到的车辆监控图像集，确定出目标检测图像；将目标检测图像输入至预先建立的目标神经网络中，以生成与目标检测图像对应的目标密度图；其中，目标神经网络中包含经过空洞化处理的卷积层；对目标密度图进行求和操作以得到计算结果，并将计算结果作为目标检测图像中包含的车辆数量。由此可见，本发明采用对卷积层进行空洞化处理的方式，增加了网络的感受野；从而无需设置多列结构的神经网络，即避免了由于多列结构而产生的不必要的计算量，提高了车流量检测过程中的效率，避免了不必要的时间资源浪费。此外，本发明所提供的一种车流量检测装置、设备及存储介质与上述方法对应。
-
公开(公告)号：CN111325391A
公开(公告)日：2020-06-23
申请号：CN202010097334.0
申请日：2020-02-17
Applicant: 苏州大学
Abstract: 本发明涉及一种非线性稀疏孪生支持向量机的企业破产预测系统及方法,包括：数据预处理模块，用于对收集的样本组成的训练集进行归一化处理并映射至核特征空间；数据训练模块，将经过归一化处理并映射至核特征空间后形成的数据带入模型中进行训练；数据预测模块，利用训练好的模型在测试集上进行预测。本发明可以提高对企业破产预测的效率及准确率。
-
公开(公告)号：CN110853025A
公开(公告)日：2020-02-28
申请号：CN201911121622.9
申请日：2019-11-15
Applicant: 苏州大学
Abstract: 本申请公开了一种基于多列残差空洞卷积神经网络的人群密度预测方法、装置、设备及可读存储介质，方案包括：获取待测人群图像；将待测人群图像输入人群密度预测模型，得到人群密度图；根据人群密度图，确定待测人群图像中的人群数量。其中，人群密度预测模型在提取待测人群图像的高维特征之后，使用多列空洞卷积结构从高维特征中提取特征信息，由于各列空洞卷积结构的扩张率不同，因此能够捕捉高维特征中不同尺度的特征信息。此外，该模型还采用了残差结构，将高维特征直接输入到网络后端与各列空洞卷积结构输出的特征信息相加，不仅防止了网络过拟合现象的发生，还可以保留更多的特征信息，提升了人群数量计算结果的准确性和人群密度图的质量。
-
公开(公告)号：CN110751226A
公开(公告)日：2020-02-04
申请号：CN201911029693.6
申请日：2019-10-28
Applicant: 苏州大学
Abstract: 本申请提供一种人群计数模型的训练方法、装置和存储介质，获取训练样本后，用当前的人群计数模型计算各训练样本的估计人群计数密度图和估计密集度，判断目标损失值是否满足收敛条件；目标损失值包括计数损失值和分类损失值，计数损失值根据训练样本的真实人群计数密度图和估计人群计数密度图确定，分类损失值根据训练样本的估计密集度和真实密集度标签确定，若不满足收敛条件，更新模型参数，执行下一次迭代；若满足收敛条件，输出当前的人群计数模型。本方案通过引入与人群密集程度相关的分类损失值，使输出的人群计数模型能够适应多种不同人群密集程度的图像，因此本方案输出的人群计数模型相对于现有技术具有更好的鲁棒性和精确度。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
