一种基于改进半监督学习的电瓶车头盔识别方法

    公开(公告)号:CN114627381B

    公开(公告)日:2024-09-24

    申请号:CN202210426001.7

    申请日:2022-04-21

    Applicant: 南通大学

    Abstract: 本发明公开了一种基于改进半监督学习的电瓶车头盔识别方法,包含以下步骤:S1、通过相机拍摄各种场景下电瓶车驾驶员戴头盔的图片,制作电瓶车头盔数据集,并对数据进行增强;S2、使用Faster‑RCNN作为头盔识别模型,半监督学习的基本流程采用教师‑学生模型,训练头盔识别模型;S3、对半监督学习方法进行改进,并对改进后的模型进行训练;S4、使用训练好的学生模型进行电瓶车头盔识别。与现有电瓶车头盔识别方法相比,本发明提出改进的半监督学习方法,相比于传统的半监督学习模型,本发明的方法准确率更高,且不会增加推理时间。本发明的模型能够适应不同场景、不同天气下的电瓶车头盔检测,模型的实用性和泛化性更好。

    一种基于注意力YOLOv5模型的自动水果识别方法

    公开(公告)号:CN114494710B

    公开(公告)日:2024-09-17

    申请号:CN202210138123.6

    申请日:2022-02-15

    Applicant: 南通大学

    Abstract: 本发明公开了一种基于注意力YOLOv5模型的自动水果识别方法,包括以下步骤:1、将数据集的原始图像进行预处理;2、输入主干网络提取特征,并使用SENet注意力模块得到一个与通道对应的一维向量作为评价分数;3、将评价分数通过乘法操作作用到feature map的对应通道上,得到用于水果识别的有效特征;4、经过Feature Pyramid Networks和Path Aggregation Network结构将特征融合;5、对图像特征进行预测,使用CIOU考虑目标框与预测框的高宽比和中心点之间的关系,提升预测精度,根据大、中、小目标分别输出识别结果。

    一种通过强化学习增强基于提示学习的漏洞检测方法

    公开(公告)号:CN117972716A

    公开(公告)日:2024-05-03

    申请号:CN202410105910.X

    申请日:2024-01-25

    Applicant: 南通大学

    Abstract: 本发明提供了一种通过强化学习增强基于提示学习的漏洞检测方法,属于智能软件工程技术领域。解决了现有深度学习模型在理解源代码的语义和语法能力的限制,以及微调预训练模型在大数据集上性能提升较低的技术问题。其技术方案为:包括两个部分:通过采用CodeBERT预训练模型从源代码中提取语义和语法信息,结合提示学习的方法,将预训练模型的预先知识快速应用到漏洞检测任务上,同时结合奖励机制,提升模型在大数据样本下的性能。本发明的有益效果为:可以提高软件漏洞检测的有效性。

    基于稀疏标记的三维医学图像分割方法及存储介质

    公开(公告)号:CN113160253B

    公开(公告)日:2024-01-30

    申请号:CN202011600804.7

    申请日:2020-12-29

    Applicant: 南通大学

    Abstract: 本发明提供一种基于稀疏标记的三维医学图像分割方法及存储介质。本发明能更好的分割三维医学图像,同时考虑冠状面、矢状面、横断面这三个切片方向的医学图像信息,丰富图像的特征,并设计包含目标分类和边缘回归的多任务深度神经网络模型,使得分类和回归两个任务相互帮助,实现准确的图像分割。另外,本发明允许医生只标记少部分医学图像的切片,就可以实现图像的准确分割,较好的解决了医学图像样本标记太少的实际问题,有效提高医学图像分割的自动化、智能化水平。

    一种融合神经网络的分层布料仿真方法

    公开(公告)号:CN117034749A

    公开(公告)日:2023-11-10

    申请号:CN202310940280.3

    申请日:2023-07-28

    Applicant: 南通大学

    Abstract: 本发明提供了一种融合神经网络的分层布料仿真方法,属于布料仿真与机器学习技术领域。解决了传统布料仿真运算量大、消耗高的技术问题。其技术方案为:包括以下步骤:S1、布料模拟的分层方法;S2、弹簧质点模型与隐式积分算法;S3、基于物理的深度神经网络仿真;S4、运行时模拟过程。本发明的有益效果为:本发明使用传统的基于物理的模拟来计算分层模型的最粗略级别的模拟,并且通过使用DNN模型的推断来生成更详细的级别,通过各种条件下的实验证明,该方法生成了可靠和快速的布料模拟结果。

    一种基于改进半监督学习的电瓶车头盔识别方法

    公开(公告)号:CN114627381A

    公开(公告)日:2022-06-14

    申请号:CN202210426001.7

    申请日:2022-04-21

    Applicant: 南通大学

    Abstract: 本发明公开了一种基于改进半监督学习的电瓶车头盔识别方法,包含以下步骤:S1、通过相机拍摄各种场景下电瓶车驾驶员戴头盔的图片,制作电瓶车头盔数据集,并对数据进行增强;S2、使用Faster‑RCNN作为头盔识别模型,半监督学习的基本流程采用教师‑学生模型,训练头盔识别模型;S3、对半监督学习方法进行改进,并对改进后的模型进行训练;S4、使用训练好的学生模型进行电瓶车头盔识别。与现有电瓶车头盔识别方法相比,本发明提出改进的半监督学习方法,相比于传统的半监督学习模型,本发明的方法准确率更高,且不会增加推理时间。本发明的模型能够适应不同场景、不同天气下的电瓶车头盔检测,模型的实用性和泛化性更好。

    一种基于注意力YOLOv5模型的自动水果识别方法

    公开(公告)号:CN114494710A

    公开(公告)日:2022-05-13

    申请号:CN202210138123.6

    申请日:2022-02-15

    Applicant: 南通大学

    Abstract: 本发明公开了一种基于注意力YOLOv5模型的自动水果识别方法,包括以下步骤:1、将数据集的原始图像进行预处理;2、输入主干网络提取特征,并使用SENet注意力模块得到一个与通道对应的一维向量作为评价分数;3、将评价分数通过乘法操作作用到feature map的对应通道上,得到用于水果识别的有效特征;4、经过Feature Pyramid Networks和Path Aggregation Network结构将特征融合;5、对图像特征进行预测,使用CIOU考虑目标框与预测框的高宽比和中心点之间的关系,提升预测精度,根据大、中、小目标分别输出识别结果。

    基于端对端神经网络的乳腺癌病灶分割方法

    公开(公告)号:CN111915594A

    公开(公告)日:2020-11-10

    申请号:CN202010781871.7

    申请日:2020-08-06

    Applicant: 南通大学

    Abstract: 本发明公开了一种基于端对端神经网络的乳腺癌病灶图像分割方法,包括如下步骤:步骤一、人工标记:根据医生的经验在数据上标记病灶区域;步骤二、数据预处理:对三维图像数据预处理,剪切成适合神经网络的图像尺寸;步骤三、选取模型:选用改进的端对端神经网络模型;步骤四、训练模型:使用改进的网络模型,在标记好的训练集上训练最优模型;步骤五、预测数据:用训练好的模型预测病灶区域;步骤六、评估结果:利用相应的评价指标衡量病灶分割的准确率。本发明提出了一种改进的端对端神经网络,不仅在原始分辨率图像上使用空洞残差网络,保持目标丰富的特征信息;还采用加权形式的Dice损失函数,在小目标和病灶边缘区域上分割效果更好。

    一种基于Kinect传感器的上肢关节活动度测量方法

    公开(公告)号:CN102824176A

    公开(公告)日:2012-12-19

    申请号:CN201210356087.7

    申请日:2012-09-24

    Applicant: 南通大学

    Abstract: 本发明公开了一种基于Kinect传感器的上肢关节活动度测量方法,它包括了测量肩关节屈曲/伸展、内收/外展,肘关节屈曲/伸展,腕关节掌屈/背伸以及桡偏/尺偏等测量项目。测量时,采用体感人机交互方式,根据被测者的上肢动作,通过Kinect传感器对上肢各关节进行位置捕捉,实时记录、计算及反馈关节活动度信息,自动完成测量,直观实时获得测量结果,操作简单,便捷。用户可自行选择测量科目,在每个科目中,用户根据提示确定测量的初始体位,执行上肢运动。当执行动作与测量要求不符时,系统报错并及时提示和纠正用户不合理的测量动作和体姿。

Patent Agency Ranking