-
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.
-
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：CN119295448A
公开(公告)日：2025-01-10
申请号：CN202411814891.4
申请日：2024-12-11
Applicant: 南昌航空大学
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06N3/045
Abstract: 本发明公开了一种基于深度学习的工业印制电路板图像缺陷检测方法，具体为设计一个小型数据集扩充方案，增强数据的多样性；设计深度可分离卷积重构参数化模块构造骨干网络的早期阶段，设计非相邻窗口填充块改进多头自注意力模块组建轻量级神经网络Transformer架构构造骨干网络的后期阶段，设计小目标步长输出改进模块构建目标检测头；设计一个能定位工业印制电路板图像的缺陷检测模型并设计小目标检测策略，提升模型对小目标缺陷学习的速度和精度；设计一个标签去重方案和一个自适应缺陷筛选方案，提升模型预测的准确率。本发明能够提高检测目标小的图像的特征学习能力，且能有效提高对工业印制电路板图像的缺陷检测性能。
-
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：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。
-
Patent Agency Ranking
公开(公告)号：CN119295448B
公开(公告)日：2025-04-01
申请号：CN202411814891.4
申请日：2024-12-11
Applicant: 南昌航空大学
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06N3/045
Abstract: 本发明公开了一种基于深度学习的工业印制电路板图像缺陷检测方法，具体为设计一个小型数据集扩充方案，增强数据的多样性；设计深度可分离卷积重构参数化模块构造骨干网络的早期阶段，设计非相邻窗口填充块改进多头自注意力模块组建轻量级神经网络Transformer架构构造骨干网络的后期阶段，设计小目标步长输出改进模块构建目标检测头；设计一个能定位工业印制电路板图像的缺陷检测模型并设计小目标检测策略，提升模型对小目标缺陷学习的速度和精度；设计一个标签去重方案和一个自适应缺陷筛选方案，提升模型预测的准确率。本发明能够提高检测目标小的图像的特征学习能力，且能有效提高对工业印制电路板图像的缺陷检测性能。
-
公开(公告)号：CN119557628A
公开(公告)日：2025-03-04
申请号：CN202510113304.7
申请日：2025-01-24
Applicant: 南昌航空大学
IPC: G06F18/213 , G06F18/214 , G06F18/2431 , G06F18/25 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明设计了一种基于深度学习的非气象目标的智能识别方法，对毫米波云雷达数据中的存在的非气象目标进行识别；具体地，通过设计毫米波云雷达数据标注算法和数据迭代算法，以快速得到对应标签；设计用于扩充毫米波云雷达数据的数据扩充方法，以得到更多样化的训练数据，同时设计特征提取和特征还原以提高非气象目标的识别性能；并利用编码器‑解码器思想设计优异的识别模型。通过以上一整套流程，提高了毫米波云雷达非气象目标智能识别的准确性。更进一步地，本发明通过构建提示增强模块，对特定的标签进行提示增强，提高了模型对特定标签的敏感程度，也降低了智能识别模型的计算量，提高了泛化能力。
-
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。
-
公开(公告)号：CN119557628B
公开(公告)日：2025-04-29
申请号：CN202510113304.7
申请日：2025-01-24
Applicant: 南昌航空大学
IPC: G06F18/213 , G06F18/214 , G06F18/2431 , G06F18/25 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明设计了一种基于深度学习的非气象目标的智能识别方法，对毫米波云雷达数据中的存在的非气象目标进行识别；具体地，通过设计毫米波云雷达数据标注算法和数据迭代算法，以快速得到对应标签；设计用于扩充毫米波云雷达数据的数据扩充方法，以得到更多样化的训练数据，同时设计特征提取和特征还原以提高非气象目标的识别性能；并利用编码器‑解码器思想设计优异的识别模型。通过以上一整套流程，提高了毫米波云雷达非气象目标智能识别的准确性。更进一步地，本发明通过构建提示增强模块，对特定的标签进行提示增强，提高了模型对特定标签的敏感程度，也降低了智能识别模型的计算量，提高了泛化能力。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.036 seconds)
