-
公开(公告)号：CN110084292B
公开(公告)日：2023-06-06
申请号：CN201910314505.8
申请日：2019-04-18
Applicant: 江南大学
IPC: G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提供基于DenseNet和多尺度特征融合的目标检测方法，其包括：S1构建特征提取网络模型；S2训练特征提取网络模型，通过多次迭代训练得到最优目标检测模型；S3将待检测图像数据输入到最优目标检测模型进行检测，在待检测图像上用矩形框标注每个物体的位置和类别；特征提取网络模型以DenseNet网络为基础网络，加深了网络层次，提高了特征质量，同时使用特征融合模块，引入上下文信息，得到六个用于最终预测的特征图，具有丰富的语义信息和较高的分辨率。本发明方法可在保证检测速度的基础上，降低模型规模，提升对小目标的检测精度。
-
公开(公告)号：CN109949824A
公开(公告)日：2019-06-28
申请号：CN201910066335.6
申请日：2019-01-24
Applicant: 江南大学
Abstract: 本发明提供一种基于N-DenseNet和高维mfcc特征的城市声音事件分类方法，其在处理音频数据时能提供更丰富、更有效的特征信息，模型有更强的泛化能力，分类具有更高的准确率。其包括：S1：采集待处理音频数据，对原始音频信号进行预处理，输出音频帧序列；S2：对音频帧序列进行时域和频域分析，提取高维梅尔频率倒谱系数，输出特征向量序列；S3：构建声学模型，并对声学模型进行训练，得到训练好的声学模型；S4：将步骤S2中输出的特征向量序列经过处理后，输入到训练好的声学模型中进行分类识别，得到的识别结果即为声音事件的分类结果；其特征在于：声学模型是以DenseNet模型为基础，结合N阶马尔可夫模型的特点构建的网络模型，即为N阶DenseNet模型。
-
公开(公告)号：CN111703526A
公开(公告)日：2020-09-25
申请号：CN202010476865.0
申请日：2020-05-29
Applicant: 江南大学
IPC: B62H3/04
Abstract: 本发明的提供一种自行车停车装置及停取车方法，包括用于锁紧自行车轮的夹紧装置、用于松开自行车轮的取车装置，夹紧装置包括顶板，顶板上设有滑槽；底板，位于顶板正下方；挡板，位于顶板和底板之间，沿顶板或底板的长度方向作往复运动；卡爪，位于挡板朝向自行车轮的一侧，与挡板之间转动连接；锁车复位弹簧，位于挡板背离卡爪的一侧；所述取车装置包括：取车顶板、取车底板；立杆，贯穿取车顶板、取车底板，所述立杆底部设有凸块，凸块与挡板之间轮廓相互嵌合；取车复位弹簧，位于立杆底部，用于带动凸块与挡板之前相互嵌合或脱离。
-
Patent Agency Ranking
公开(公告)号：CN109949824B
公开(公告)日：2021-08-03
申请号：CN201910066335.6
申请日：2019-01-24
Applicant: 江南大学
Abstract: 本发明提供一种基于N‑DenseNet和高维mfcc特征的城市声音事件分类方法，其在处理音频数据时能提供更丰富、更有效的特征信息，模型有更强的泛化能力，分类具有更高的准确率。其包括：S1：采集待处理音频数据，对原始音频信号进行预处理，输出音频帧序列；S2：对音频帧序列进行时域和频域分析，提取高维梅尔频率倒谱系数，输出特征向量序列；S3：构建声学模型，并对声学模型进行训练，得到训练好的声学模型；S4：将步骤S2中输出的特征向量序列经过处理后，输入到训练好的声学模型中进行分类识别，得到的识别结果即为声音事件的分类结果；其特征在于：声学模型是以DenseNet模型为基础，结合N阶马尔可夫模型的特点构建的网络模型，即为N阶DenseNet模型。
-
公开(公告)号：CN110390952A
公开(公告)日：2019-10-29
申请号：CN201910539745.8
申请日：2019-06-21
Applicant: 江南大学
Abstract: 本发明提供基于双特征2-DenseNet并联的城市声音事件分类方法，其具对特征信息具有更高效的融合能力，更高的分类准确率，且具有更强的泛化能力。其包括：S1采集、处理待处理音频数据，输出音频帧序列；S2对音频帧序列进行时域和频域分析，分别输出梅尔频率倒谱系数特征向量序列和伽马通倒谱系数特征向量序列；S3构建分类模型，分类模型中包括以DenseNet模型为基础、结合2阶马尔可夫模型构建的网络模型；分类模型以2阶DenseNet模型为基础构建基础网络，基础网络设置为并联的两路；对分类模型进行训练，得到训练好的分类模型；S4将步骤S2中输出的特征向量序列经过处理后，以双特征形式分为两路输入到训练好的分类模型中进行分类识别，得到声音事件的分类结果。
-
公开(公告)号：CN110390952B
公开(公告)日：2021-10-22
申请号：CN201910539745.8
申请日：2019-06-21
Applicant: 江南大学
Abstract: 本发明提供基于双特征2‑DenseNet并联的城市声音事件分类方法，其具对特征信息具有更高效的融合能力，更高的分类准确率，且具有更强的泛化能力。其包括：S1采集、处理待处理音频数据，输出音频帧序列；S2对音频帧序列进行时域和频域分析，分别输出梅尔频率倒谱系数特征向量序列和伽马通倒谱系数特征向量序列；S3构建分类模型，分类模型中包括以DenseNet模型为基础、结合2阶马尔可夫模型构建的网络模型；分类模型以2阶DenseNet模型为基础构建基础网络，基础网络设置为并联的两路；对分类模型进行训练，得到训练好的分类模型；S4将步骤S2中输出的特征向量序列经过处理后，以双特征形式分为两路输入到训练好的分类模型中进行分类识别，得到声音事件的分类结果。
-
公开(公告)号：CN111703526B
公开(公告)日：2021-09-28
申请号：CN202010476865.0
申请日：2020-05-29
Applicant: 江南大学
IPC: B62H3/04
Abstract: 本发明的提供一种自行车停车装置及停取车方法，包括用于锁紧自行车轮的夹紧装置、用于松开自行车轮的取车装置，夹紧装置包括顶板，顶板上设有滑槽；底板，位于顶板正下方；挡板，位于顶板和底板之间，沿顶板或底板的长度方向作往复运动；卡爪，位于挡板朝向自行车轮的一侧，与挡板之间转动连接；锁车复位弹簧，位于挡板背离卡爪的一侧；所述取车装置包括：取车顶板、取车底板；立杆，贯穿取车顶板、取车底板，所述立杆底部设有凸块，凸块与挡板之间轮廓相互嵌合；取车复位弹簧，位于立杆底部，用于带动凸块与挡板之前相互嵌合或脱离。
-
公开(公告)号：CN110084292A
公开(公告)日：2019-08-02
申请号：CN201910314505.8
申请日：2019-04-18
Applicant: 江南大学
Abstract: 本发明提供基于DenseNet和多尺度特征融合的目标检测方法，其包括：S1构建特征提取网络模型；S2训练特征提取网络模型，通过多次迭代训练得到最优目标检测模型；S3将待检测图像数据输入到最优目标检测模型进行检测，在待检测图像上用矩形框标注每个物体的位置和类别；特征提取网络模型以DenseNet网络为基础网络，加深了网络层次，提高了特征质量，同时使用特征融合模块，引入上下文信息，得到六个用于最终预测的特征图，具有丰富的语义信息和较高的分辨率。本发明方法可在保证检测速度的基础上，降低模型规模，提升对小目标的检测精度。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.019 seconds)
