-
公开(公告)号：CN119693970A
公开(公告)日：2025-03-25
申请号：CN202411757032.6
申请日：2024-12-03
Applicant: 南通大学
IPC: G06V40/10 , G06V10/774 , G06V10/40 , G06V10/84 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开了一种基于级联通道注意力的暗光多人姿态估计方法。首先，获取图像构建数据集，然后构建网络模型：基于高分辨率网络，在编码阶段，采用一种引入级联通道注意力机制的人体姿态估计方法；在解码阶段，改进传统热图方法，采用分类思想将每个像素均匀划分为多个区间，生成最终的姿态估计结果。最后对网络模型进行训练，并在暗光多人场景中进行姿态估计。本发明在保持内部高分辨率特征的同时，使模型能够学习输入特征各通道的重要性，从而增强其表征能力，有效减少信息丢失。该方法提高了准确度，并且在暗光场景下也能实现较为精确的人体姿态估计，满足实际应用中的适应性要求，具备更强的泛化能力，能够适应更广泛的应用场景。
-
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。
-
公开(公告)号：CN117892177A
公开(公告)日：2024-04-16
申请号：CN202410079128.5
申请日：2024-01-19
Applicant: 南通大学
IPC: G06F18/24 , G06N3/045 , G06N3/0464 , G06N3/096 , G06N3/084 , G06F18/213 , G06F18/25 , G06F18/10
Abstract: 本专利涉及一种结合迁移学习与特征金字塔的行人步态识别与分类方法，该方法使用手机惯性导航传感器以及毫米波雷达进行惯性导航数据以及雷达数据的采集。通过搭建卷积神经网络和特征金字塔网络的深度学习神经网络，使用处理后的惯性导航数据以及雷达数据对神经网络进行迁移学习。在网络训练和迁移过程中优化步态数据的识别和分类性能。本发明能够实现在多传感器数据上进行行人步态的准确预测。
-
公开(公告)号：CN117456167A
公开(公告)日：2024-01-26
申请号：CN202311436139.6
申请日：2023-11-01
Applicant: 南通大学
IPC: G06V10/25 , G06V10/82 , G06V10/20 , G06V10/44 , G06V10/764 , G06V10/766 , G06V10/77 , G06V10/54 , G06V10/771 , G06N3/0464 , G06N3/0442 , G06N3/047 , G06N3/084
Abstract: 本发明公开了一种基于改进YOLOv8s的目标检测算法，在VOC2012数据集上重新训练模型，网络的主体部分包括输入、数据预处理、Backbone、Neck和输出。本发明增强了模型中的梯度流信息，更好的提取不同尺寸之间的空间特征信息，既可以捕捉到图像中的边缘、纹理等特征，也保留了图像中最显著的特征，更多地学习到多尺度、多层次的特征表示，使模型自适应地调整不同位置的特征权重，更加关注目标区域并减少背景干扰，提高目标精确定位的能力，优化梯度在反向传播过程中的流动，减少梯度消失现象，加快收敛速度，更充分的利用上下文信息，提高模型对于目标的检测和识别能力。
-
Patent Agency Ranking
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：CN119904892A
公开(公告)日：2025-04-29
申请号：CN202411957593.0
申请日：2024-12-30
Applicant: 南通大学
Abstract: 本申请公开了一种基于多注意力机制HRNet的拥挤多人姿态估计方法，包括以下步骤：采集人体图片并转化成标准数据集格式，得到第一数据集；基于HRNet(High ResolutionNet)模型加入多注意力机制模块，构建改进HRNet模型；基于第一数据集，训练改进HRNet模型；使用训练好的改进HRNet模型对拥挤多人场景进行测试。本申请的通道注意力瓶颈模块通过利用通道之间特征关系的相互依赖，增强了特征的表示能力，使模型能够更加关注主要特征，提升了局部信息的交换能力。而交叉注意力模块则对通道维度关系和远程依赖性进行编码，捕捉方向感知和位置敏感信息，从而增强了全局特征信息的关联性。
-
公开(公告)号：CN119726896A
公开(公告)日：2025-03-28
申请号：CN202411710524.X
申请日：2024-11-27
Applicant: 南通大学
Abstract: 本发明提供一种基于NSGA‑II算法的风电场功率实时分配方法，涉及风电场运行与控制技术领域；其包括如下步骤：S1：数据收集；S2：构建风电场功率分配的主轴及塔架疲劳损伤模型；S3：设计基于NSGA‑II的优化算法并对疲劳损伤优化模型进行求解；S4：实时计算风电场中各风电机组的功率分配情况，以确保系统的稳定运行。本发明通过构建疲劳损伤优化模型，并引入NSGA‑II算法，有效降低了风机主轴和塔架的累积疲劳损伤。在满足电力系统对风电场输出功率的调度要求前提下，采用加权求和的目标函数，将各个风机的功率参考值动态分配，使得疲劳损伤最小化，并保障功率分配的均衡性。与现有的功率平均分配方法相比，显著提升了风机寿命和风电场整体的运行效率。
-
公开(公告)号：CN118094333A
公开(公告)日：2024-05-28
申请号：CN202410265092.X
申请日：2024-03-08
Applicant: 南通大学
IPC: G06F18/241 , G06F18/10 , G06F18/213 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/0985 , G01S7/41 , G06F123/02
Abstract: 本发明公开了基于金字塔多尺度通道注意力机制的人类行为分类方法，该方法使用毫米波雷达进行雷达数据的采集，并使用动态谱融合网络将雷达数据处理为时间‑速度微多普勒图像；搭建基于卷积神经网络的多尺度通道注意力机制和特征金字塔深度学习神经网络，该网络多尺度特征提取组件、特征金字塔拼接组件、全连接分类组件组成，使用时间‑速度微多普勒图像对网络模型进行训练评估；最终得到的网络模型能够准确分类现实中的人类活动，从而提高人类行为分类的准确性和时空特征的动态捕获能力。
-
公开(公告)号：CN115937963A
公开(公告)日：2023-04-07
申请号：CN202210007741.7
申请日：2022-01-05
Applicant: 南通大学
Abstract: 本发明公开了一种基于步态识别的行人识别方法，包括如下五个部分：视频采集、提取关键点、提取步态特征、训练步态识别模型、识别步态；具体地，摄像头提取行人行走视频，基于摄像头获取的行人多组行走视频，对视频序列图像上提取行人姿态的关键点作为特征，同时使用残差网络和长短期记忆人工神经网络LSTM模块构建基于时间和空间的步态特征；最后，训练SVM多分类器实现步态识别。本发明根据行人识别存在的问题，利用人体关键点构建具有时间和空间步态特征的识别方法。在应用上，本发明的步态识别算法可以用于考勤签到等多种场景。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.025 seconds)
