-
公开(公告)号：CN114863302B
公开(公告)日：2025-04-11
申请号：CN202210528675.8
申请日：2022-05-16
Applicant: 辽宁科技大学
IPC: G06V20/17 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于改进多头自注意力的无人机小目标检测方法，包括：步骤1：从已经部署的居民摄像头监控中采集图像，获得一个含有低空无人机的图片数据集；步骤2：使用含低空无人机的图片数据集对原始的YOLOv5s模型进行预训练，获得YOLOv5s的预训练权重；步骤3：根据无人机小目标的特性对多头自注意力模块进行改进，并将其加入到YOLOv5s模型中；步骤4：使用含低空无人机的图片数据集和预训练权重对YOLOv5s模型进行重新训练，获得YOLOv5s的新训练权重；步骤5：将新训练权重加载到YOLOv5s模型中，对居民摄像头监控数据进行检测。在YOLOv5s目标检测模型基础上添加改进多头自注意力模块，既适用于实时的无人机小目标检测任务，又增强目标检测模型提取小目标特征的能力。
-
公开(公告)号：CN116682115A
公开(公告)日：2023-09-01
申请号：CN202310640457.8
申请日：2023-05-31
Applicant: 辽宁科技大学
IPC: G06V30/18 , G06V30/19 , G06N3/045 , G06N3/0464
Abstract: 本发明涉及一种印章字符检测识别方法，包括初始化印章的检测与识别，利用图像采集模块对印章图像进行采集，建立印章字符检测模型，对所采集印章图像中字符进行检测，利用极坐标变换对检测结果进行水平矫正，建立印章字符识别模型，对矫正后的印章字符图像进行字符识别，输出印章字符识别结果；通过印章字符检测模型与印章字符识别模型实现印章字符的检测与识别，并通过显示模块与计算机的连接显示印章图像，对具有模糊、宽高比多变、且与背景文字重叠的印章准确识别，继而提高核查及分类效率。
-
公开(公告)号：CN114822169B
公开(公告)日：2023-06-09
申请号：CN202210484120.8
申请日：2022-05-06
Applicant: 辽宁科技大学
Abstract: 本发明提供一种教练车驾驶辅助练习方法及装置，包括：步骤1：根据场地进行系统初始设置；步骤2：在场地图像上建立坐标系，自动生成场地关键点和练习路线的驾驶辅助练习信息；步骤3：从场地图像中获取教练车的初始位置；步骤4：动态跟踪运动的教练车，确定教练车的车身中心坐标和后轴中心坐标信息；步骤5：根据教练车运动方向和练习路线切线方向自动生成偏离角度的驾驶辅助练习信息；步骤6：根据场地关键点、练习路线和偏离角度生成教练车的驾驶辅助提示信息，并进行语音提示；步骤7：判断是否切换练习项目的场地。为科目二的倒车入库、侧方停车、曲线行驶、直角转弯和坡道定点共五个练习项目的场地提供教练车驾驶辅助练习功能。
-
公开(公告)号：CN116503762A
公开(公告)日：2023-07-28
申请号：CN202310479243.7
申请日：2023-04-28
Applicant: 辽宁科技大学
IPC: G06V20/17 , G06V10/764 , G06V10/80 , G06V10/774 , G06T7/10 , G06T3/40
Abstract: 本发明提供了一种面向嵌入式设备的轻量化无人机检测方法，利用已经部署的居民摄像头采集图像，摒弃了上位机，改进yolov5s的模型结构，直接将模型部署到嵌入式设备中，实时检测目标区域是否存有无人机，加强对小尺度无人机的监管。包括如下步骤：Step1：采集无人机图像；Step2：添加飞鸟负样本；Step3：对处理好的数据集进行标注，由于仅对无人机进行检测，故标注时仅标注无人机区域；Step4：设计改进yolov5s的模型结构，所述改进yolov5s的模型结构降低参数量以及提出特征融合机制；Step5：训练模型，得到训练好的模型权重；Step6：应用阶段，将训练好的模型权重加载到网络中，并部署到嵌入式设备中，实时检测视频中的小尺度无人机。
-
公开(公告)号：CN114821782A
公开(公告)日：2022-07-29
申请号：CN202210445233.7
申请日：2022-04-26
Applicant: 辽宁科技大学
IPC: G06V40/20 , G06V10/764 , G06K9/62 , G06V10/44 , G06V30/18 , G06F3/01 , G06N3/04 , G06N3/08 , G06V10/82
Abstract: 本发明提供一种空中书写文本输入方法及装置，使用手持的书写棒在空中书写文字，利用具有显示屏与摄像头的嵌入式平台装置采集并显示书写过程，通过目标跟踪、文本识别等方法实现包含数字、符号和英文三种文字类型的文本输入，以满足无接触、便捷的人机交互。包括：初始化空中书写文本输入系统；手持书写棒进入摄像头监视的空中区域并移动书写棒到跟踪框中；利用目标跟踪模型跟踪书写棒，确定当前跟踪框的位置；判断是否切换输入文字类型；利用书写棒在空中书写文字，并生成文字图像；利用文字识别模型识别文字图像识别出文字；增加文字显示；判断是否清除增加显示的文字；清除增加显示的文字；判断文本中所有文字的输入是否结束。
-
Patent Agency Ranking
公开(公告)号：CN114862902A
公开(公告)日：2022-08-05
申请号：CN202210528680.9
申请日：2022-05-16
Applicant: 辽宁科技大学
Abstract: 本发明提供一种基于四叉树的光照自适应ORB特征提取和匹配方法，包括如下步骤：步骤1：获取相机运动状态，根据相机运动状态构建金字塔图像；步骤2：提取FAST关键点；步骤3：利用改进四叉树算法对关键点进行增添或剔除；步骤4：提取各关键点的BRIEF描述子，得到特征点；步骤5：根据特征点的汉明距离，获取匹配的特征点对；步骤6：利用改进RANSAC算法剔除误匹配特征点对。提供改进的金字塔图像构建方法、改进的四叉树算法和匹配特征点对的筛选策略，以增强算法对光照的鲁棒性和提升算法的运行速度。
-
公开(公告)号：CN113269043A
公开(公告)日：2021-08-17
申请号：CN202110459420.6
申请日：2021-04-27
Applicant: 辽宁科技大学
Abstract: 一种钢卷松卷的实时跟踪识别方法及装置，方法包括：调节摄像头，完成吊运钢卷初始位置和初始尺寸的设置；获取视频帧，根据初始位置信息计算吊运钢卷的精确位置；根据初始尺寸信息计算视频帧中吊运钢卷的精确尺寸；根据吊运钢卷的精确位置和精确尺寸截取视频帧中的吊运钢卷图像，识别吊运钢卷；对识别的结果进行判断是否松卷；判断是否需要调节摄像头；获取新的视频帧，跟踪吊运钢卷，确定吊运钢卷的精确位置和精确尺寸；发出钢卷松卷警报，向天车吊运系统共享区发送停车指令信息。代替人工巡检与决策，实时跟踪天车吊运的钢卷，自动识别出可能存在外侧散卷、带钢头散落的钢卷，从而实现库房钢卷在吊运过程中的自动化巡检与智能化决策。
-
公开(公告)号：CN111079832A
公开(公告)日：2020-04-28
申请号：CN201911293856.1
申请日：2019-12-13
Applicant: 辽宁科技大学
IPC: G06K9/62 , G06T7/00 , G01N33/2045
Abstract: 本发明属于模式识别技术领域，尤其是涉及一种具有抗特征噪声性能的钢板表面缺陷分类方法，建立一个支持向量数据描述子模型，其特征在于包括以下步骤：步骤1：构造大超球体和小超球体，并统计样本数目；步骤2：对惩罚参数进行比例迭代调整，训练相应的支持向量数据描述子模型；步骤3：剔除超球体内部的样本，获得稀疏的钢板表面缺陷样本集；步骤4：建立新的支持向量超球体多类分类器，改进目标函数；步骤5：对新的多类分类器模型进行训练；步骤6：完成缺陷的自动识别。本发明利用支持向量数据描述模型对原始的钢板表面缺陷样本集进行稀疏化处理，可降低新的多类分类器在时间上和存储空间上的开销。
-
公开(公告)号：CN119963488A
公开(公告)日：2025-05-09
申请号：CN202411975999.1
申请日：2024-12-31
Applicant: 辽宁科技大学
IPC: G06T7/00 , G06V10/75 , G06V10/44 , G06V10/74 , G06V10/764
Abstract: 本发明涉及一种PCB表面元件的检测方法及装置，包括检测当前视频帧中PCB图像进入相机采集画面的完整程度，获得完整度结果；以固定时间间隔连续采集多帧PCB图像；对采集的多帧PCB图像进行筛选和处理，得到待检测的PCB图像；构建多尺度孪生空间形变感知网络，实现待检测的PCB图像与模板图像的空间对齐，得到对齐后的PCB图像；根据模板图像中元件的位置裁剪对齐后的PCB图像，得到待检测的元件；构建伪孪生混合提取网络，实现对待检测的元件的特征提取，得到待检测的元件特征；构建多层次相似度判断机制，实现待检测的元件特征与模板图像中元件的特征之间的匹配；本发明实现待检测PCB图像与当前批次模板图像的精确对齐与匹配，避免漏检、错检。
-
公开(公告)号：CN114863302A
公开(公告)日：2022-08-05
申请号：CN202210528675.8
申请日：2022-05-16
Applicant: 辽宁科技大学
IPC: G06V20/17 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于改进多头自注意力的无人机小目标检测方法，包括：步骤1：从已经部署的居民摄像头监控中采集图像，获得一个含有低空无人机的图片数据集；步骤2：使用含低空无人机的图片数据集对原始的YOLOv5s模型进行预训练，获得YOLOv5s的预训练权重；步骤3：根据无人机小目标的特性对多头自注意力模块进行改进，并将其加入到YOLOv5s模型中；步骤4：使用含低空无人机的图片数据集和预训练权重对YOLOv5s模型进行重新训练，获得YOLOv5s的新训练权重；步骤5：将新训练权重加载到YOLOv5s模型中，对居民摄像头监控数据进行检测。在YOLOv5s目标检测模型基础上添加改进多头自注意力模块，既适用于实时的无人机小目标检测任务，又增强目标检测模型提取小目标特征的能力。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.017 seconds)
