-
公开(公告)号：CN117079256A
公开(公告)日：2023-11-17
申请号：CN202311345617.2
申请日：2023-10-18
Applicant: 南昌航空大学
Abstract: 本发明公开了一种基于目标检测及关键帧快速定位的疲劳驾驶检测算法，其步骤为：设计一个数据迭代算法，减少进行数据标注的人力成本并极大地扩充数据集；设计一个聚焦难预测类别的损失函数，提高网络模型在训练过程对难预测类别图像的特征学习能力；设计一个关键帧快速定位策略，在不遗漏行为帧的情况下用最少的帧信息来判断疲劳驾驶行为是否超过安全时间阈值，减少聚焦目标类别检测模型预测次数，从而提高疲劳驾驶行为的检测效率；最后设计一个端云协同策略，合理分配算力与算法的部署位置，从而提高系统的整体性能。本发明能够在提升疲劳驾驶检测的准确率的同时提高检测效率。
-
公开(公告)号：CN117079256B
公开(公告)日：2024-01-05
申请号：CN202311345617.2
申请日：2023-10-18
Applicant: 南昌航空大学
Abstract: 本发明公开了一种基于目标检测及关键帧快速定位的疲劳驾驶检测算法，其步骤为：设计一个数据迭代算法，减少进行数据标注的人力成本并极大地扩充数据集；设计一个聚焦难预测类别的损失函数，提高网络模型在训练过程对难预测类别图像的特征学习能力；设计一个关键帧快速定位策略，在不遗漏行为帧的情况下用最少的帧信息来判断疲劳驾驶行为是否超过安全时间阈值，减少聚焦目标类别检测模型预测次数，从而提高疲劳驾驶行为的检测效率；最后设计一个端云协同策略，合理分配算力与算法的部署位置，从而提高系统的整体性能。本发明能够在提(56)对比文件潘超鹏.基于计算机视觉的驾驶员驾驶行为识别《.CNKI学位论文》.2022,第2022年卷(第09期),全文.Chaopeng Pan 等.Driver activityrecognition using spatial-temporal graphconvolutional LSTM networks withattention mechanism《.IET IntelligentTransport Systems》.2020,第297-307页.
-
Patent Agency Ranking
公开(公告)号：CN116448022A
公开(公告)日：2023-07-18
申请号：CN202310535973.4
申请日：2023-05-12
Applicant: 南昌航空大学
Abstract: 本发明公开一种钛合金初生ɑ相晶粒尺寸测量方法、系统及电子设备方法，涉及钛合金初生ɑ相晶粒尺寸测量领域，该方法包括：获取钛合金的超声特征参数；对超声特征参数进行归一化处理，根据归一化后的超声特征参数，利用初生α相晶粒尺寸测量模型，得到钛合金的初生ɑ相晶粒尺寸；其中，初生α相晶粒尺寸测量模型是利用训练样本对初生α相晶粒尺寸初始测量模型进行训练，以初生ɑ相晶粒尺寸实际值与初生ɑ相晶粒尺寸预测值的平均误差最小为优化目标，利用差分进化算法求解初生α相晶粒尺寸初始测量模型的待定系数得到的；初生α相晶粒尺寸初始测量模型是利用高维模型表达构建的。本发明提高了测量的初生α相晶粒尺寸的精度。
-
公开(公告)号：CN115578404B
公开(公告)日：2023-03-31
申请号：CN202211417364.0
申请日：2022-11-14
Applicant: 南昌航空大学
IPC: G06T7/11 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/82 , G06T7/00
Abstract: 本发明公开了一种基于深度学习的肝脏肿瘤图像增强和分割的方法，具体为设计一个肝脏肿瘤图像预处理模型，提高肝脏肿瘤图像质量并对数据扩充，得到大量的高质量肝脏肿瘤图像。设计一个可以适应分割目标前景‑背景比例不平衡问题的损失函数，提高训练过程对占比小的目标的特征学习能力，同时设计一个包含三维空间信息提取能力的肝脏肿瘤分割2.5D网络模型，学习肝脏肿瘤的二维特征和图像的三维空间特征，分割出精准的肿瘤区域。本发明能提高数据量相对匮乏且分割目标小的图像的特征学习能力，且能有效提高肝脏肿瘤图像的分割性能。
-
公开(公告)号：CN117974832B
公开(公告)日：2024-06-07
申请号：CN202410384429.9
申请日：2024-04-01
Applicant: 南昌航空大学
IPC: G06T11/00 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/0442 , G06N3/0464
Abstract: 本发明公开了基于生成对抗网络的多模态肝脏医学图像扩充算法，方法为：获取数据集并进行预处理；制作训练数据集；构建多尺度残差连接模块；构建多级损失函数模块；构建通道增强自注意力模块；构建门控卷积模块；结合多尺度残差连接模块、多级损失函数模块、通道增强自注意力模块和门控卷积模块；构建多模态肝脏医学图像数据集扩充模型，对多模态肝脏医学图像数据集扩充模型进行实验和评估。本发明能够高效的生成大量高质量的多种模态的肝脏医学图像用于扩充现有的医学图像数据，缓解目前可公开获取且可用的肝脏医学图像数据稀缺的情况。
-
公开(公告)号：CN115578404A
公开(公告)日：2023-01-06
申请号：CN202211417364.0
申请日：2022-11-14
Applicant: 南昌航空大学
IPC: G06T7/11 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/82 , G06T7/00
Abstract: 本发明公开了一种基于深度学习的肝脏肿瘤图像增强和分割的方法，具体为设计一个肝脏肿瘤图像预处理模型，提高肝脏肿瘤图像质量并对数据扩充，得到大量的高质量肝脏肿瘤图像。设计一个可以适应分割目标前景‑背景比例不平衡问题的损失函数，提高训练过程对占比小的目标的特征学习能力，同时设计一个包含三维空间信息提取能力的肝脏肿瘤分割2.5D网络模型，学习肝脏肿瘤的二维特征和图像的三维空间特征，分割出精准的肿瘤区域。本发明能提高数据量相对匮乏且分割目标小的图像的特征学习能力，且能有效提高肝脏肿瘤图像的分割性能。
-
公开(公告)号：CN117974832A
公开(公告)日：2024-05-03
申请号：CN202410384429.9
申请日：2024-04-01
Applicant: 南昌航空大学
IPC: G06T11/00 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/0442 , G06N3/0464
Abstract: 本发明公开了基于生成对抗网络的多模态肝脏医学图像扩充算法，方法为：获取数据集并进行预处理；制作训练数据集；构建多尺度残差连接模块；构建多级损失函数模块；构建通道增强自注意力模块；构建门控卷积模块；结合多尺度残差连接模块、多级损失函数模块、通道增强自注意力模块和门控卷积模块；构建多模态肝脏医学图像数据集扩充模型，对多模态肝脏医学图像数据集扩充模型进行实验和评估。本发明能够高效的生成大量高质量的多种模态的肝脏医学图像用于扩充现有的医学图像数据，缓解目前可公开获取且可用的肝脏医学图像数据稀缺的情况。
-
-
-
-
-
-
Search Results
7
records
(took 0.027 seconds)
