-
公开(公告)号:CN119942474A
公开(公告)日:2025-05-06
申请号:CN202510074522.4
申请日:2025-01-17
Applicant: 长安大学
IPC: G06V20/54 , G06V20/56 , G06V20/70 , G06V30/18 , G06V10/20 , G06V10/30 , G06V10/40 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0455
Abstract: 本发明提供了一种基于图像文本多模态特征融合的交通场景下目标检测方法,该方法包括:获取交通场景图像,并对其进行预处理,根据预处理完成后的图像生成描述图片内容的文本数据,基于预处理后的交通场景图像及对应的文本数据生成交通场景数据集,对DETR目标检测网络进行改进,并基于改进后的DETR目标检测网络构建交通场景目标检测模型,基于交通场景数据集对交通场景目标检测模型进行训练,得到最终的交通场景目标检测模型,将待检测图像输入最终的交通场景目标检测模型中,得到检测结果。本发明具有较高的检测速度和鲁棒性,能够弥补传统图像检测方法的不足,能够显著提高检测的准确性和效率,在智能交通系统中具有广泛的应用前景。
-
公开(公告)号:CN119888183A
公开(公告)日:2025-04-25
申请号:CN202411969975.5
申请日:2024-12-30
Applicant: 长安大学
IPC: G06V10/25 , G06V20/54 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/77 , G06V10/80 , G06V10/82 , G06V10/74 , G06V10/762 , G06V10/764 , G06V10/776 , G06N3/0464 , G06N3/045 , G06N3/048
Abstract: 本发明提供了一种基于轻量化YOLOv5的交通场景目标检测方法,包括:构建交通场景数据集,对交通场景数据集进行预处理及数据集划分,得到训练集、验证集和测试集,对YOLOv5网络进行轻量化处理,并基于轻量化YOLOv5网络构建交通场景目标检测模型,将所述训练集、所述验证集和所述测试集输入至交通场景目标检测模型中进行训练、测试和验证,得到最终的交通场景目标检测模型,将待检测图像输入最终的交通场景目标检测模型中,得到检测结果。本发明通过对模型结构进行改进和优化策略的应用,减少模型的计算量和参数量,提升在资源受限环境中的实时检测性能,同时保持较高的检测精度。
-
公开(公告)号:CN114663938A
公开(公告)日:2022-06-24
申请号:CN202210201981.0
申请日:2022-03-03
Applicant: 长安大学
Abstract: 本发明提供了一种考虑人脸欺诈的车载系统安全认证管理方法,其中,构建车载系统安全认证管理卷积神经网络,所述的构建包括:所述的卷积神经网络包括纹理呈现子网络、光学呈现子网络和特征融合子网络;所述的车载系统安全认证管理卷积神经网络以MobileNet‑V2为骨干。将所获得的增强后的RGB图像的人脸区域图像和光流场图的人脸区域图像分别作为纹理呈现子网络和光学呈现子网络的输入,采用车载系统安全认证管理卷积神经网络进行训练,通过纹理呈现子网络和光学呈现子网络的训练进行纹理特征和光流特征的提取,在特征融合子网络中获得特征融合,最后,基于光流特征和纹理特征,进行真人脸和假人脸的分类,输出最终结果。
-
-