-
公开(公告)号：CN115439765B
公开(公告)日：2024-02-02
申请号：CN202211132839.1
申请日：2022-09-17
Applicant: 艾迪恩(山东)科技有限公司 , 西南交通大学烟台新一代信息技术研究院
IPC: G06V20/17 , G06V10/42 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N3/048
Abstract: 本发明提供了一种基于机器学习无人机视角下海洋塑料垃圾旋转检测方法，技术方案包括以下步骤：步骤1）收集海洋塑料垃圾数据并划分数据集，步骤2）对原始YOLOv5模型进行网络结构初始化改进，步骤3）对改进后的YOLOv5模型进行训练，步骤4）利用最终改进后的YOLOv5目标检测模型进行检测：本发明通过改进YOLOv5目标检测算法对无人机视角下海洋垃圾实现精准识别，识别率高，对塑料垃圾的检测精度高，并且改进后的算法检测速度快，能够满足无人机实时检测要求。
-
公开(公告)号：CN115439684B
公开(公告)日：2024-02-02
申请号：CN202211028322.8
申请日：2022-08-25
Applicant: 艾迪恩(山东)科技有限公司 , 西南交通大学烟台新一代信息技术研究院
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/084 , G06N3/096
Abstract: 本发明提供了一种基于轻量化YOLOv5的生活垃圾分类方法及APP，面向移动端设备手机设计部署，以原始的目标检测网络YOLOv5n为基线网络，采用引入ShuffleNetv2中的shuffle_block、GhostNet的Ghost模块、引入注意力机制SE以及知识蒸馏等技术手段，结合网络结构设计和知识蒸馏对基线网络实现轻量化，轻量化后的YOLOv5n模型相比原始的YOLOv5n模型，在很大程度上减少了模型的参数量和计算量以及提升了检测精度，将轻量化后的YOLOv5模型部署至移动端的生活垃圾分类APP中，可以实现对多种生活垃圾智能分类。
-
公开(公告)号：CN116189106A
公开(公告)日：2023-05-30
申请号：CN202211588718.8
申请日：2022-12-09
Applicant: 西南交通大学烟台新一代信息技术研究院 , 艾迪恩(山东)科技有限公司
IPC: G06V20/54 , G06V20/70 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 一种基于深度学习的危化品标志识别方法，涉及计算机视觉、图像处理领域，包括步骤1)通过图像或视频采集设备采集若干危化品运输车辆的图像，制作所需数据集；步骤2)对危化品标志数据集进行图像标注，将数据集随机分为训练集和测试集；步骤3)将坐标注意力机制与yolov5s网络模型结合，构建CA‑yolov5s网络模型；步骤4)结合CARAFE上采样算子，得到上下文语义信息；步骤5)在yolov5s的预测头中，将耦合头改为解耦头；步骤6)采用危化品标志数据训练集对改进后的yolov5s模型进行训练；步骤7)利用训练后的最佳网络模型对测试集的危化品标志图像进行检测与识别；本发明通过改进yolov5s算法并结合危化品标志图像数据集进行识别，得到危化品标志的位置信息与分类信息。
-
公开(公告)号：CN115512387A
公开(公告)日：2022-12-23
申请号：CN202210977122.0
申请日：2022-08-15
Applicant: 艾迪恩(山东)科技有限公司 , 西南交通大学烟台新一代信息技术研究院
IPC: G06V40/10 , G06V10/774 , G06V10/80 , G06V10/762 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于改进YOLOV5模型的工地安全帽佩戴检测方法，基于单阶段原始的YOLOV5目标检测模型，通过优化网络结构降低最小感受野，利用池化金字塔及注意力机制等手段规范输入尺寸，模糊背景差异，增强小目标学习能力，本发明所提出的方法在基准网络基础上只增加了少量参数及计算开销，并显著提升了小目标检测效果，克服原始YOLOV5目标检测模型小目标场景检测性能较低的缺点，改进后的YOLOV5模型能够在施工场景下的安全帽检测任务中有着优异的检测表现，在同一场景下比原始YOLOV5网络检测到更多正样本，提高了施工场景下安全帽佩戴检测的可靠性，降低漏检、误检的情况发生。
-
公开(公告)号：CN115439684A
公开(公告)日：2022-12-06
申请号：CN202211028322.8
申请日：2022-08-25
Applicant: 艾迪恩(山东)科技有限公司 , 西南交通大学烟台新一代信息技术研究院
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08
Abstract: 本发明提供了一种基于轻量化YOLOv5的生活垃圾分类方法及APP，面向移动端设备手机设计部署，以原始的目标检测网络YOLOv5n为基线网络，采用引入ShuffleNetv2中的shuffle_block、GhostNet的Ghost模块、引入注意力机制SE以及知识蒸馏等技术手段，结合网络结构设计和知识蒸馏对基线网络实现轻量化，轻量化后的YOLOv5n模型相比原始的YOLOv5n模型，在很大程度上减少了模型的参数量和计算量以及提升了检测精度，将轻量化后的YOLOv5模型部署至移动端的生活垃圾分类APP中，可以实现对多种生活垃圾智能分类。
-
Patent Agency Ranking
公开(公告)号：CN119131747A
公开(公告)日：2024-12-13
申请号：CN202411150660.8
申请日：2024-08-21
Applicant: 西南交通大学烟台新一代信息技术研究院 , 艾迪恩(山东)科技有限公司
Abstract: 本申请公开了一种模型训练方法及多尺度车辆行人检测方法，属于目标检测技术领域。该方法首先获取样本车辆行人训练集、样本车辆行人标注训练集和YOLOv8改进模型，YOLOv8改进模型的改进方法包括用部分卷积模块替换YOLOv8模型的骨干网络的C2f模块中Bottleneck结构的传统卷积模块，引入轻量化跨尺度特征融合模块CCFM，引入重参数检测头；然后基于样本车辆行人训练集和样本车辆行人标注训练集，训练YOLOv8改进模型，得到轻量化的目标车辆行人检测模型。该方法可以保障对车辆和行人的检测精度的基础上降低模型参数量和计算量，提升模型在嵌入式平台部署后的检测效果。
-
公开(公告)号：CN119131350A
公开(公告)日：2024-12-13
申请号：CN202411149611.2
申请日：2024-08-21
Applicant: 西南交通大学烟台新一代信息技术研究院 , 艾迪恩(山东)科技有限公司
IPC: G06V10/25 , G06V20/17 , G06N3/0464 , G06N3/084
Abstract: 本申请公开了一种模型训练方法及空中低慢小无人机检测方法，属于目标检测技术领域。该方法首先获取样本无人机图像、样本无人机标注图像和包括具有RepVGG风格结构的可重参数化的主干网络EfficientRep、基于内容引导注意力的混合融合模块CGAFusion和WassersteinLoss损失函数的YOLOv8改进模型；然后，基于样本无人机图像和样本无人机标注图像，训练YOLOv8改进模型，得到目标无人机检测模型。该方法可以准确且高效地检测空中低慢小无人机。
-
公开(公告)号：CN119131348A
公开(公告)日：2024-12-13
申请号：CN202411149403.2
申请日：2024-08-21
Applicant: 西南交通大学烟台新一代信息技术研究院 , 艾迪恩(山东)科技有限公司
IPC: G06V10/25 , G06N3/0464 , G06N3/0985 , G06V10/44
Abstract: 本申请公开了一种模型训练方法及火灾检测方法，属于目标检测技术领域。该方法通过获取样本火灾数据集、样本火灾标注数据集和YOLOv8改进模型，YOLOv8改进模型包括在特征提取部分的Layer8和Layer9之间增加的卷积层和残差层、C2F‑MBC模块和在特征提取部分的SPPF模块之前增加的空间注意力模块，基于样本火灾数据集和样本火灾标注数据集，训练YOLOv8改进模型，得到目标火灾检测模型。该方法在动态变化大、视线遮挡频繁、光照条件复杂及烟雾分布不均等复杂环境下提升火灾检测的准确性，减少误报率，以保障工地安全。
-
公开(公告)号：CN113849597B
公开(公告)日：2024-04-30
申请号：CN202111012858.6
申请日：2021-08-31
Applicant: 艾迪恩(山东)科技有限公司 , 西南交通大学烟台新一代信息技术研究院
IPC: G06F16/33 , G06F16/35 , G06F40/295 , G06F40/30 , G06Q30/0242 , G06N3/0442 , G06N3/08 , G06N7/01
Abstract: 本发明提供基于命名实体识别的违法广告词检测方法，步骤1）将广告数据转化为文本格式，形成广告文本；步骤2）对广告领域进行分类，利用BERT中文预训练模型将广告文本按领域分类；步骤3）对应不同广告领域类别，根据每个广告领域的广告违法行为编码对广告文本按字粒度进行标注形成标注文本；步骤4）将标注文本分为训练集与验证集，将训练集映射到BERT中文预训练模型中获得动态字向量；步骤5）将动态字向量传入BiLSTM双向长短期记忆网络获取得分向量；步骤6）将得分向量传入条件随机场CRF，CRF获取标签之间的关系，对最终预测的标签加以约束，得到最优标签，本发明通过深层网络BERT+BiLSTM+CRF结构学习违法词特征，达到提取违法词并匹配违法条例的功能。
-
公开(公告)号：CN117576630A
公开(公告)日：2024-02-20
申请号：CN202311608621.3
申请日：2023-11-28
Applicant: 艾迪恩(山东)科技有限公司 , 西南交通大学烟台新一代信息技术研究院
IPC: G06V20/52 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本申请公开了一种模型训练方法和安全监测方法，属于深度学习技术领域。该方法包括：获取样本火情图像和YOLOv7‑tiny改进模型，样本火情图像所反映的信息包括火焰、火花或烟雾中的至少一种，改进模型火情识别结果的准确性高；对样本火情图像进行标注，得到标注后的样本火情标注图像，为YOLOv7‑tiny改进模型提供训练所需的样本数据；基于样本火情图像和火情标注图像训练改进模型，确定mAP值，以评估训练结果；基于mAP值，对改进模型进行参数调节，输出参数调节后的改进模型，该方法可以利用该模型快速准确地识别火焰、火花和烟雾，提高检测精度高。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.064 seconds)
