-
公开(公告)号:CN114821519B
公开(公告)日:2024-05-21
申请号:CN202210275320.2
申请日:2022-03-21
Applicant: 上海应用技术大学
IPC: G06V20/58 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于坐标注意力的交通标志识别方法及系统,方法包括:实时接收前方道路的图像数据帧;对图像数据帧循环下采样后进行二维方向的池化分解,获取分解后的若干特征图像块;将分解后的特征图像块的位置信息嵌入到通道注意力中,根据特征图像块中相同的维度信息进行各个阶段的拼接融合,通过二维方向的卷积处理后获取目标特征图像;响应于预设的交通标志图库,在获取到目标特征图像后,利用激活函数对目标特征图像进行分类,获取图像数据帧中的交通标志信息。本发明平衡检测速度与识别精度的性能,提高网络的特征提取能力并改善对遮挡目标和小目标的检测效果,在真实场景中对道路交通标志进行实时检测。
-
公开(公告)号:CN114821519A
公开(公告)日:2022-07-29
申请号:CN202210275320.2
申请日:2022-03-21
Applicant: 上海应用技术大学
Abstract: 本发明公开了一种基于坐标注意力的交通标志识别方法及系统,方法包括:实时接收前方道路的图像数据帧;对图像数据帧循环下采样后进行二维方向的池化分解,获取分解后的若干特征图像块;将分解后的特征图像块的位置信息嵌入到通道注意力中,根据特征图像块中相同的维度信息进行各个阶段的拼接融合,通过二维方向的卷积处理后获取目标特征图像;响应于预设的交通标志图库,在获取到目标特征图像后,利用激活函数对目标特征图像进行分类,获取图像数据帧中的交通标志信息。本发明平衡检测速度与识别精度的性能,提高网络的特征提取能力并改善对遮挡目标和小目标的检测效果,在真实场景中对道路交通标志进行实时检测。
-
公开(公告)号:CN113505724A
公开(公告)日:2021-10-15
申请号:CN202110838499.3
申请日:2021-07-23
Applicant: 上海应用技术大学
Abstract: 本发明提供了一种、基于YOLOv4的交通标志识别模型训练方法,包括如下步骤:获取交通标志数据集,将所述交通标志数据集划分为训练集和测试集;获取YOLOv4网络结构,将所述YOLOv4网络结构中主干网络的PANet路径聚合网络替换BiFPN网络生成目标训练模型;通过所述训练集对所述目标训练模型进行训练,并通过所述测试集对训练后的所述目标训练模型进行测试生成所述交通标志识别模型。本发明中的主干网络在检测方面效果更好,缓解了数据分布不均衡的问题,增强了网络的特征提取能力。
-
公开(公告)号:CN113033482A
公开(公告)日:2021-06-25
申请号:CN202110425906.8
申请日:2021-04-20
Applicant: 上海应用技术大学
Abstract: 本发明公开了一种基于区域注意力的交通标志检测方法,包括步骤1:获取ImageNet数据集和TT100K交通标志数据集,在ImageNet数据集上预先训练ResNet50深度网络;步骤2:输入TT100K训练集图片,从预训练的ResNet50网络的第10、22、40和49层获取样本特征,构成特征金字塔,在Faster R‑CNN目标检测框架下对网络进行微调;步骤3:训练数据集以图片形式输入区域注意力模块,获取注意力图;步骤4:RPN网络使用特征金字塔的信息生成候选区域;步骤5:利用区域注意力图滤除注意力区域之外的候选区域,得到最终的检测结果。
-
公开(公告)号:CN106412394B
公开(公告)日:2019-04-30
申请号:CN201610853203.4
申请日:2016-09-26
Applicant: 上海应用技术大学
Abstract: 本发明提供了一种适合马路低头族的安全出行装置,包括:深度图像采集模块、声音采集模块、微处理器、输出模块;深度图像采集模块、声音采集模块与微处理器相连;微处理器用于:根据自深度图像采集模块接收的深度图像数据流获得障碍物位置信息、障碍物形状信息和障碍物速度信息,和根据自声音采集模块接收的声音信息获得障碍物运动信息和障碍物类型,和根据障碍物运动信息对障碍物位置信息和障碍物速度信息进行修正,根据所述障碍物形状信息对所述障碍物类型进行修正,根据修正后的障碍物类型、修正后的障碍物位置信息、修正后的障碍物速度信息和预设阈值信息判断是否向输出模块发送预警信息以及预警信息的内容。
-
公开(公告)号:CN119339080A
公开(公告)日:2025-01-21
申请号:CN202411426085.X
申请日:2024-10-14
Applicant: 上海应用技术大学
IPC: G06V10/26 , G06V10/80 , G06V20/70 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N3/0455
Abstract: 本发明公开了一种室内场景下3D点云实例分割方法,通过针对3D点云数据,通过稀疏3D U‑Net网络多原始点云数据进行编解码器操作,得到初步点云特征信息,再使用包含MLP、FPS算法的多层特征提取结构,提取丰富的多尺度点云特征信息;随后将提取到的多尺度特征信息使用基于注意力机制的交叉感知模块进行数据交叉与增强,凸显有效特征,抑制无效特征,高效融合点云各尺度特征信息。这种网络模型的参数量较少,并且其中的交叉感知模块具有可移植性,可以添加到其他实例分割网络中应用。
-
公开(公告)号:CN112561972B
公开(公告)日:2024-04-16
申请号:CN202011597633.7
申请日:2020-12-29
Applicant: 上海应用技术大学
IPC: G06T7/30 , G06T7/13 , G06N3/084 , G06N3/0464
Abstract: 本发明提供了一种医学图像配准方法,本发明利用深度学习方法,建立卷积神经网络回归模型,包括以下步骤:(a)生成数字重建放射影像(Digitally Reconstructed Radiographs,DRR)作为数据集;(b)对数据集进行预处理,并划分数据集;(c)构建CNN回归模型;(d)评估回归模型的性能。使用CNN回归模型来实现2D‑3D医学图像配准,输入同一患者的3维CT图像和2维X光图像,直接回归出配准中涉及的6个变换参数,满足了放射治疗、手术导航等领域的实时性要求。
-
公开(公告)号:CN113033482B
公开(公告)日:2024-01-30
申请号:CN202110425906.8
申请日:2021-04-20
Applicant: 上海应用技术大学
IPC: G06V20/58 , G06V10/82 , G06V10/40 , G06V10/764 , G06N3/0464 , G06N3/045 , G06N3/096
Abstract: 本发明公开了一种基于区域注意力的交通标志检测方法,包括步骤1:获取ImageNet数据集和TT100K交通标志数据集,在ImageNet数据集上预先训练ResNet50深度网络;步骤2:输入TT100K训练集图片,从预训练的ResNet50网络的第10、22、40和49层获取样本特征,构成特征金字塔,在Faster R‑CNN目标检测框架下对网络进行微调;步骤3:训练数据集以图片形式输入区域注意力模块,获取注意力图;步骤4:RPN网络使用特征金字塔的信息生成候选区域;步骤5:利用区域注意力图滤除注意力区域之外的候选区域,得到最终的检测结果。
-
公开(公告)号:CN112053354B
公开(公告)日:2024-01-30
申请号:CN202010970800.1
申请日:2020-09-15
Applicant: 上海应用技术大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06V10/774
Abstract: 本申请提供了一种轨道板裂缝检测方法,所述方法包括:S1:采集轨道板裂缝图片作为样本,非裂缝图像作为负样本;S2:对采集到的所述图片制定标签,划分为训练集和测试集;S3:对所述训练集的图片进行标准化处理,并送入神经网络中,迭代式进行特征提取,得到卷积特征图;S4:对得到的所述卷积特征图进行分组,训练与分组相同数量的弱分类器,根据对应特征向量进行预测,再汇聚所有分类器对当前样本的置信度并交由一个较强的分类器决策;S5:对所述测试集进行归一化操作,送入神经网络中,模拟现实预测结果,采用按统计量,执行硬投票分类。
-
公开(公告)号:CN113486711A
公开(公告)日:2021-10-08
申请号:CN202110581522.5
申请日:2021-05-26
Applicant: 上海应用技术大学
Abstract: 本发明提供了一种交通标志识别模型训练方法及系统,包括如下步骤:获取交通标志图像以及每一交通标志图像对应的标签,将所述交通标志图像分为训练集和测试集;获取基于YOLOV5的网络模型,对所述网络模型进行加载和设置;根据所述训练集和测试集的类别设置所述网络模型的分类损失的系数和超参数;采用混合精度训练对所述网络模型先进行热身训练,计算三种损失之和并反向传播进行梯度放大;对热身训练后的网络模型进行学习率衰减,然后通过对测试集网络模型进行测试后保存所述网络模型及权重生成交通标志图像模型。本发明能够有效的对交通标志进行实时检测及分类。
-
-
-
-
-
-
-
-
-