一种基于改进轻量级YOLOv3的交通信号灯倒计时识别方法

    公开(公告)号:CN113221823A

    公开(公告)日:2021-08-06

    申请号:CN202110599256.9

    申请日:2021-05-31

    Applicant: 南通大学

    Abstract: 本发明公开了一种基于改进轻量级YOLOv3的交通信号灯倒计时识别方法,包括以下步骤:制作交通信号灯数据集,预处理数据;YOLOv3的特征提取网络采用ShuffleNetV2,并且通过特征变换融合ShuffleNetV2低中高层特征作为最终高层输出特征;训练改进后的用于红绿交通信号灯十个倒计时数字的20分类的轻量级YOLOv3网络,实现交通信号灯倒计时数字的检测和识别,并将训练好的模型部署到移动端完成交通信号灯倒计时识别。本发明具有识别速度快,准确率高,实用性和泛化性高等优点,并且更容易在移动端部署。

    一种基于深度卷积神经网络的水库钓鱼人检测方法

    公开(公告)号:CN113837086A

    公开(公告)日:2021-12-24

    申请号:CN202111121039.5

    申请日:2021-09-24

    Applicant: 南通大学

    Abstract: 本发明公开了一种基于深度卷积神经网络的水库钓鱼人检测方法,图像作为全卷积神经网络的输入,利用网络对图像进行特征提取,不同的卷积作为滤波器提取图像的不同特征;将得到的特征图像作为检测模块的输入,提取候选边框,最终得到候选框的类别概率和预测目标位置;再对候选框采用非极大值抑制的方法进行过滤,最终得到检测结果。本发明利用深度神经网络进行水库钓鱼人检测,介绍了水库钓鱼人检测的算法以及实验参数和结果。实验证明,该发明在不同场景(光照)下能准确的检测出水库钓鱼人。

    一种基于步态识别的行人识别方法

    公开(公告)号:CN115937963A

    公开(公告)日:2023-04-07

    申请号:CN202210007741.7

    申请日:2022-01-05

    Applicant: 南通大学

    Abstract: 本发明公开了一种基于步态识别的行人识别方法,包括如下五个部分:视频采集、提取关键点、提取步态特征、训练步态识别模型、识别步态;具体地,摄像头提取行人行走视频,基于摄像头获取的行人多组行走视频,对视频序列图像上提取行人姿态的关键点作为特征,同时使用残差网络和长短期记忆人工神经网络LSTM模块构建基于时间和空间的步态特征;最后,训练SVM多分类器实现步态识别。本发明根据行人识别存在的问题,利用人体关键点构建具有时间和空间步态特征的识别方法。在应用上,本发明的步态识别算法可以用于考勤签到等多种场景。

    一种交通信号灯倒计时识别系统及其构建方法、应用方法

    公开(公告)号:CN113869239B

    公开(公告)日:2024-09-24

    申请号:CN202111160244.2

    申请日:2021-09-30

    Applicant: 南通大学

    Abstract: 本发明提供一种交通信号灯倒计时识别系统及其构建方法、应用方法,涉及计算机检测系统设计技术领域,其中构建方法包含以下步骤:制作交通信号灯数据集;交通信号灯倒计时识别模型的特征提取网络;构建基于注意力的多尺度融合模块;完成端到端交通信号灯倒计时识别模型搭建,并对训练数据集和标签进行预处理,训练端到端交通信号灯倒计时识别模型。对于移动端上新采集的图片,输入到训练好的端到端交通信号灯倒计时识别模型,得到交通信号灯倒计时的识别结果。本申请所提供的一种交通信号灯倒计时识别系统,模型的准确率更高,漏检率低,速度快。能够在复杂环境下对交通灯的识别有着更好的效果,模型的泛化性和实用性更高。

    一种改进的数字识别方法

    公开(公告)号:CN114419415A

    公开(公告)日:2022-04-29

    申请号:CN202210025290.X

    申请日:2022-01-11

    Applicant: 南通大学

    Abstract: 本发明提供一种改进的数字识别方法,涉及深度学习、机器学习、计算机视觉、图像分类技术领域。其中方法包括以下步骤:S1:制作数字数据集,并进行图像增强;S2:在PP‑LCNet的基础上引入ShuffleNetV2模块,更换部分激活函数,使用下采样结构进行下采样;S3:使用数据增强过的数据集训练改进的PP‑LCNet网络;S4:完成模型的训练后,将模型部署在移动端。与原有的PP‑LCNet模型相比,本申请构建的数字识别系统具有精度高、速度快等优点,能够满足在移动端进行数字识别的实时性要求,并且本方法的参数量更少,在移动端部署更加容易。与其他轻量级模型相比,本申请构建的数字识别系统的速度更快,更能适应各种复杂的数字书写方式,且实用性与泛化性更高。

Patent Agency Ranking