-
公开(公告)号：CN115100495B
公开(公告)日：2024-07-26
申请号：CN202210801277.9
申请日：2022-07-08
Applicant: 福州大学
IPC: G06V10/80 , G06V10/82 , G06V20/70 , G06V10/20 , G06V10/762 , G06V20/52 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于子特征融合的轻量化安全帽检测方法,包括以下步骤：步骤S1:获取安全帽数据图片，并预处理，构建安全帽检测数据集；步骤S2：构建子特征融合的轻量化网络模块，通过低代价卷积操作生成子特征图并与初始特征图进行融合；步骤S3：构建轻量化目标检测网络；步骤S4：对YOLOv5目标检测算法的训练超参数进行调优，利用安全帽检测数据集训练轻量化目标检测网络得到安全帽检测模型；步骤S5：根据安全帽检测模型对输入图片进行检测，获取初步检测结果，对初步检测结果进行解码后采用改进的非极大值抑制算法筛选出最终的检测结果，将检测结果绘制在原图中。本发明能够有效减少检测模型的模型大小，并且对工人是否佩戴安全帽进行精准检测。
-
公开(公告)号：CN116758485A
公开(公告)日：2023-09-15
申请号：CN202310816812.2
申请日：2023-07-05
Applicant: 福州大学
IPC: G06V20/52 , G06V10/30 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于噪声消除训练和降维注意力机制的安全帽检测方法，首先通过获取安全帽数据图片以及预处理构建安全帽检测数据集，然后构建噪声消除训练框架代替二分图匹配算法，对每个目标物体的ground‑truth信息添加噪声，引入注意力掩码，对噪声对象进行分组，最后将噪声对象输入Transformer解码器。此外，本发明对Transformer架构中的多头注意力机制进行改进，将关键特征通过一维全局平均池化解耦为一维行特征和一维列特征，然后依次进行行注意力和列注意力，最后进行加权求和。本发明利用子特征融合与跨层感知增强卷积模块构建轻量化的特征提取网络，并将其作为骨干网络加入基于Transformer架构的DETR网络，得到一个轻量化的DETR检测网络。
-
Patent Agency Ranking
公开(公告)号：CN115100603A
公开(公告)日：2022-09-23
申请号：CN202210801243.X
申请日：2022-07-08
Applicant: 福州大学
Abstract: 本发明涉及一种基于稀疏系数通道剪枝的轻量化个人防护装备检测方法，包括以下步骤：步骤S1：构建个人防护装备检测数据集；步骤S2：根据个人防护装备检测数据集训练网络模型得到个人防护装备检测模型；步骤S3：将个人防护装备检测模型进行通道级别的稀疏化训练，对卷积神经网络中BN层的γ参数进行稀疏正则化，得到稀疏化后的检测模型；步骤S4：对稀疏化后的检测模型进行剪枝，得到一个轻量化的检测模型；步骤S5：对轻量化的检测模型进行微调训练，得到最终的轻量化个人防护装备检测模型；步骤S6：使用轻量化个人防护装备检测模型进行目标检测，得到检测结果图。本发明能够有效减少检测模型的模型大小，参数量和计算量，并且对工人是否穿戴个人防护装备进行精准检测。
-
公开(公告)号：CN112364734A
公开(公告)日：2021-02-12
申请号：CN202011188613.4
申请日：2020-10-30
Applicant: 福州大学
Abstract: 本发明涉及一种基于yolov4和CenterNet的异常着装检测方法，包括以下步骤：步骤S1:获取异常着装数据并对其进行数据预处理,构建异常着装检测数据集；步骤S2:对yolov4模型和CenterNet模型的超参数分别进行调优，并分别训练；步骤S3:根据训练后的yolov4检测模型进行目标检测，获取预测结果，并解码预测结果后利用非极大值抑制筛选出最终的预测框；步骤S4:根据训练后CenterNet检测模型进行目标检测，计算输入数据的中心点和角点热力图，预测关键点位置，将得到的热力图归一化后找出K个极大值点作为候选目标；通过中心点计算得到最终目标框；步骤S5:根据得到的最终的预测框和最终目标框在原图上进行绘制，添加类别名称和置信度等信息后得到结果图。本发明能够有效识别异常着装现象。
-
公开(公告)号：CN115100603B
公开(公告)日：2024-07-26
申请号：CN202210801243.X
申请日：2022-07-08
Applicant: 福州大学
Abstract: 本发明涉及一种基于稀疏系数通道剪枝的轻量化个人防护装备检测方法，包括以下步骤：步骤S1：构建个人防护装备检测数据集；步骤S2：根据个人防护装备检测数据集训练网络模型得到个人防护装备检测模型；步骤S3：将个人防护装备检测模型进行通道级别的稀疏化训练，对卷积神经网络中BN层的γ参数进行稀疏正则化，得到稀疏化后的检测模型；步骤S4：对稀疏化后的检测模型进行剪枝，得到一个轻量化的检测模型；步骤S5：对轻量化的检测模型进行微调训练，得到最终的轻量化个人防护装备检测模型；步骤S6：使用轻量化个人防护装备检测模型进行目标检测，得到检测结果图。本发明能够有效减少检测模型的模型大小，参数量和计算量，并且对工人是否穿戴个人防护装备进行精准检测。
-
公开(公告)号：CN112364734B
公开(公告)日：2023-02-21
申请号：CN202011188613.4
申请日：2020-10-30
Applicant: 福州大学
IPC: G06V40/10 , G06V10/774 , G06N3/045 , G06N3/0464 , G06N3/0985
Abstract: 本发明涉及一种基于yolov4和CenterNet的异常着装检测方法，包括以下步骤：步骤S1:获取异常着装数据并对其进行数据预处理,构建异常着装检测数据集；步骤S2:对yolov4模型和CenterNet模型的超参数分别进行调优，并分别训练；步骤S3:根据训练后的yolov4检测模型进行目标检测，获取预测结果，并解码预测结果后利用非极大值抑制筛选出最终的预测框；步骤S4:根据训练后CenterNet检测模型进行目标检测，计算输入数据的中心点和角点热力图，预测关键点位置，将得到的热力图归一化后找出K个极大值点作为候选目标；通过中心点计算得到最终目标框；步骤S5:根据得到的最终的预测框和最终目标框在原图上进行绘制，添加类别名称和置信度等信息后得到结果图。本发明能够有效识别异常着装现象。
-
公开(公告)号：CN115100495A
公开(公告)日：2022-09-23
申请号：CN202210801277.9
申请日：2022-07-08
Applicant: 福州大学
Abstract: 本发明涉及一种基于子特征融合的轻量化安全帽检测方法,包括以下步骤：步骤S1:获取安全帽数据图片，并预处理，构建安全帽检测数据集；步骤S2：构建子特征融合的轻量化网络模块，通过低代价卷积操作生成子特征图并与初始特征图进行融合；步骤S3：构建轻量化目标检测网络；步骤S4：对YOLOv5目标检测算法的训练超参数进行调优，利用安全帽检测数据集训练轻量化目标检测网络得到安全帽检测模型；步骤S5：根据安全帽检测模型对输入图片进行检测，获取初步检测结果，对初步检测结果进行解码后采用改进的非极大值抑制算法筛选出最终的检测结果，将检测结果绘制在原图中。本发明能够有效减少检测模型的模型大小，并且对工人是否佩戴安全帽进行精准检测。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
