-
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。
-
公开(公告)号：CN113837082A
公开(公告)日：2021-12-24
申请号：CN202111120280.6
申请日：2021-09-24
Applicant: 南通大学
Abstract: 本发明公开了一种自然行走条件下轻量化的人脸识别方法，包括如下步骤：1)人脸图像的检测；2)人脸图像的预处理；3)人脸图像的特征提取；4)人脸识别。本发明使用轻量化的人脸识别方法实现自然行走条件下的人身份识别。在实际应用中，该发明的人脸识别算法可以作为实验室考勤签到等场景。
-
公开(公告)号：CN113221823B
公开(公告)日：2024-06-07
申请号：CN202110599256.9
申请日：2021-05-31
Applicant: 南通大学
IPC: G06V20/58 , G06V10/774 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08 , G06F16/951
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。
-
公开(公告)号：CN115497162A
公开(公告)日：2022-12-20
申请号：CN202211149451.2
申请日：2022-09-21
Applicant: 南通大学
Abstract: 本发明公开了一种基于单目视觉的3D人体姿态检测方法，包括：1、使用YOLOX模型检测输入图像中存在的人，并获得相应的人物检测框；2、基于YOLOX检测出的人物检测框计算检测框中心点坐标，然后放大检测出的人物，从而获得新的人物图像；3、在获得的新人物图像中提取2D人体关节点坐标序列；4、构建回归映射神经网络将2D人体关节点坐标序列转换为3D人体关节点坐标序列；5、在Human3.6M公开数据集上训练上述回归映射神经网络；6、测试回归映射神经网络，检测3D人体姿态。本方法利用回归的方法检测人体姿态，解决了原有方法中出现的漏检情况。
-
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
IPC: G06V20/58 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/082
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
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。
-
-
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。
-
公开(公告)号：CN114627381B
公开(公告)日：2024-09-24
申请号：CN202210426001.7
申请日：2022-04-21
Applicant: 南通大学
IPC: G06V20/10 , G06N3/0464 , G06N3/045 , G06N3/0895 , G06N3/084 , G06N3/096 , G06N3/042 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于改进半监督学习的电瓶车头盔识别方法，包含以下步骤：S1、通过相机拍摄各种场景下电瓶车驾驶员戴头盔的图片，制作电瓶车头盔数据集，并对数据进行增强；S2、使用Faster‑RCNN作为头盔识别模型，半监督学习的基本流程采用教师‑学生模型，训练头盔识别模型；S3、对半监督学习方法进行改进，并对改进后的模型进行训练；S4、使用训练好的学生模型进行电瓶车头盔识别。与现有电瓶车头盔识别方法相比，本发明提出改进的半监督学习方法，相比于传统的半监督学习模型，本发明的方法准确率更高，且不会增加推理时间。本发明的模型能够适应不同场景、不同天气下的电瓶车头盔检测，模型的实用性和泛化性更好。
-
公开(公告)号：CN114494710B
公开(公告)日：2024-09-17
申请号：CN202210138123.6
申请日：2022-02-15
Applicant: 南通大学
IPC: G06V10/40 , G06V10/762 , G06V10/82 , G06V10/10 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于注意力YOLOv5模型的自动水果识别方法，包括以下步骤：1、将数据集的原始图像进行预处理；2、输入主干网络提取特征，并使用SENet注意力模块得到一个与通道对应的一维向量作为评价分数；3、将评价分数通过乘法操作作用到feature map的对应通道上，得到用于水果识别的有效特征；4、经过Feature Pyramid Networks和Path Aggregation Network结构将特征融合；5、对图像特征进行预测，使用CIOU考虑目标框与预测框的高宽比和中心点之间的关系，提升预测精度，根据大、中、小目标分别输出识别结果。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.015 seconds)
