一种基于卷积神经网络的智能车巡线方法

    公开(公告)号:CN115273004A

    公开(公告)日:2022-11-01

    申请号:CN202210837351.2

    申请日:2022-07-15

    Applicant: 南通大学

    Abstract: 本发明提供一种基于卷积神经网络的智能车巡线方法,涉及深度学习、卷积神经网络、计算机视觉、智能车技术领域。其中方法包含以下步骤:S1:巡线数据集通过颜色提取等方法,计算出智能车转角。以此作为巡线数据集,并采用随机函数进行图像增强;S2:在简单卷积神经网络的基础上引入深度可分离卷积,添加通道注意力模块,更改激活函数;S3:使用数据增强过的数据集训练改进的CNN网络;S4:完成模型的训练后,将模型部署在智能车上。本申请构建的智能车巡线方法具有计算量小、推理速度快,满足了在智能车的实时性要求。本申请构建的神经网络抗干扰能力更强,能够适应不同环境,泛化性与实用性更高。

    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:CN113869239A

    公开(公告)日:2021-12-31

    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。

Patent Agency Ranking