-
公开(公告)号：CN118799836A
公开(公告)日：2024-10-18
申请号：CN202411010298.4
申请日：2024-07-26
Applicant: 江南大学
IPC: G06V20/56 , G06V10/82 , G06V10/80 , G06V10/764 , G06V10/762 , G06V10/25 , G06N3/0464 , G06N3/0495 , G06N3/08
Abstract: 本发明公开了一种基于轻量化YOLOv8的密集道路场景目标检测方法，涉及道路目标检测领域，该方法构建了新的LDA‑YOLOv8模型。首先，设计了新的卷积层结构LC2f，并对模型主体架构中的大部分卷积层学习Ghostnet的思想进行改进，在对模型性能损害较小的同时显著降低模型的参数量与计算量。同时，设计了检测头LSCD，采用组归一化以及共享卷积使得网络模型在参数量更少、计算量更少的情况下，尽可能维持模型精度。其次，将模型回归输出的目标建模在非固定任意分布上，增强目标分布密集时模糊边界的检测效果以及网络学习范围，并在后处理阶段采用基于密度的软阈值非极大值抑制方法，灵活处理普通场景与密集场景下的目标检测问题。
-
公开(公告)号：CN113884290B
公开(公告)日：2022-08-02
申请号：CN202111142149.X
申请日：2021-09-28
Applicant: 江南大学
Abstract: 本发明公开了基于自训练半监督生成对抗网络的调压器故障诊断方法，涉及故障诊断技术领域，该方法包括：将调压器一维压力信号利用重叠采样和二维转换得到灰度图像样本；设计SGAN模型并进行初始训练；采用自训练算法使用训练好的初始分类器预测无标签样本的类别标签，将满足要求的样本采用重复标记方式扩充到有标签样本集中重新训练SGAN，保存最终的分类器；利用分类器构建调压器故障诊断模型进行在线诊断。本发明利用含有生成成分的分类器作为自训练算法的初始分类器提升了基础分类准确性能，提高了半监督故障诊断对无标签样本的特征提取能力，利用SoftMax函数提升判别器对样本的分类类别特征提取能力，实现高效、智能的故障诊断。
-
Patent Agency Ranking
公开(公告)号：CN113884290A
公开(公告)日：2022-01-04
申请号：CN202111142149.X
申请日：2021-09-28
Applicant: 江南大学
Abstract: 本发明公开了基于自训练半监督生成对抗网络的调压器故障诊断方法，涉及故障诊断技术领域，该方法包括：将调压器一维压力信号利用重叠采样和二维转换得到灰度图像样本；设计SGAN模型并进行初始训练；采用自训练算法使用训练好的初始分类器预测无标签样本的类别标签，将满足要求的样本采用重复标记方式扩充到有标签样本集中重新训练SGAN，保存最终的分类器；利用分类器构建调压器故障诊断模型进行在线诊断。本发明利用含有生成成分的分类器作为自训练算法的初始分类器提升了基础分类准确性能，提高了半监督故障诊断对无标签样本的特征提取能力，利用SoftMax函数提升判别器对样本的分类类别特征提取能力，实现高效、智能的故障诊断。
-
公开(公告)号：CN113869208A
公开(公告)日：2021-12-31
申请号：CN202111143569.X
申请日：2021-09-28
Applicant: 江南大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08 , G01M13/045
Abstract: 本发明公开了基于SA‑ACWGAN‑GP的滚动轴承故障诊断方法，涉及故障诊断技术领域，该方法首先采集轴承一维时域振动数据，通过快速傅里叶变换转为二维频域特征灰度图，以卷积神经网络作为模型的网络结构避免梯度消失；其次构建合适层数的模型并初始化参数，将训练集输入模型进行训练直至达到迭代次数；最后将训练好的模型应用于滚动轴承故障诊断。该方法改进了原始ACGAN框架，引入Wasserstein距离和梯度惩罚，考虑到滚动轴承振动信号具有周期性和时序性的特点，本发明结合自注意力机制和ACWGAN‑GP来提升轴承故障特征提取与故障类别辨识的精度。
-
公开(公告)号：CN117237612A
公开(公告)日：2023-12-15
申请号：CN202311315741.4
申请日：2023-10-11
Applicant: 江南大学
IPC: G06V10/25 , G06V10/776 , G06V10/80 , G06V10/774 , G06V10/764 , G06V10/44 , G06V10/82 , G06V20/58
Abstract: 本发明公开了一种基于YOLOX模型的复杂道路场景目标检测方法，涉及道路目标检测技术领域，针对目标检测算法在目标距离较远、车辆行人遮挡严重以及光线不均匀情况下存在的漏检和检测精度不高的问题，本发明设计了一种高性能的下采样模块，保留了高质量的融合语义特征，再将检测头换为解耦任务对齐检测头，提高网络输出的交互性。此外，设计了SGIOU损失函数，提升网络在训练过程中对边界框形状的关注，并采用动态成本函数合理规划网络在不同训练阶段的关注点。该方法显著减少了网络运算开销和训练参数量，并且改善了算法对复杂道路场景下的目标的检测性能。
-
公开(公告)号：CN116010900A
公开(公告)日：2023-04-25
申请号：CN202310019070.0
申请日：2023-01-06
Applicant: 江南大学
IPC: G06F18/25 , G01M13/021 , G01M13/028 , G06F18/2415 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/084
Abstract: 本发明公开了基于自注意力机制的多尺度特征融合齿轮箱故障诊断方法，涉及故障诊断技术领域，该方法包括：将齿轮箱一维原始振动信号利用随机划窗得到固定长度诊断样本；构建基于自注意力机制的多尺度特征融合故障诊断模型并使用Softmax函数作为分类器进行训练；利用动态裁剪Adam优化器通过反向传播方法进行模型训练；保存训练完成的故障诊断模型进行在线诊断。本发明通过不同尺度的卷积核分别提取齿轮箱原始振动信号的低频特征与局部时域特征，其次引入改进自注意力机制构建多尺度特征融合网络代替传统拼接方法，进一步挖掘振动信号的时频特征内在联系以提高模型诊断性能；同时引入批量归一化减少内部变量偏移，实现智能高效的端到端故障诊断。
-
公开(公告)号：CN115690714A
公开(公告)日：2023-02-03
申请号：CN202211391669.9
申请日：2022-11-08
Applicant: 江南大学
IPC: G06V20/56 , G06V10/774 , G06V10/766 , G06V10/762 , G06V10/80 , G06V10/82 , G06V10/40 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于区域聚焦的多尺度道路目标检测方法，涉及道路目标检测技术领域，该方法包括：首先获取固定在智能汽车上的摄像头采集到的图像进行统一缩放并对像素值进行归一化处理，按比例划分数据集，再使用基于GIOU距离的改进k均值聚类方法生成先验锚框；其次构建合适层数的模型并初始化参数，将训练集输入网络进行训练直至达到迭代次数；最后将训练好的模型应用于道路目标检测。该方法改进了原始YOLOv3模型，引入额外的检测分支，考虑到道路目标具有多尺度的特点，结合通道与空间注意力模块和特征图裁剪模块来提升道路目标检测的定位精度。
-
-
-
-
-
-
Search Results
7
records
(took 0.025 seconds)
