“史新瑞”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]一种改进MobileNetV2的分心驾驶行为检测模型轻量化方法-CN202310653803.6在审
发明人：白雪梅;李佳璐;张晨洁;胡汉平;史新瑞;侯聪聪 -专利权人：长春理工大学
申请日： 2023-06-05 - 公布日： 2023-09-15 - 主分类号： G06N3/0495 文献下载
摘要：近年来有关分心驾驶行为识别的研究取得了较大的进展,基于深度学习的方法被越来越多的科研人员广泛关注，但大多数模型存在权重文件大的问题,进而在实际应用和部署方面存在困难，因此对模型进行轻量化改进很有必要。针对现有分心驾驶识别算法模型过大、难以适应低计算环境等问题，选用轻量级网络MobileNetV2作为主干网络并进行改进，通过Ghost模块替换逐点卷积降低计算量，并且加入LeakyReLU函数避免神经元死亡的问题，在此基础上，通过通道剪枝算法进一步减小模型参数，之后训练改进后的MoblieNetV2网络模型，最后将待测图像输入训练得到的检测模型中，输出驾驶行为类型。
一种改进 mobilenetv2 分心驾驶行为检测模型量化方法

[发明专利]一种基于改进Faster-RCNN的常见生活垃圾图像检测方法-CN202310525393.7在审
发明人：白雪梅;潘悦;胡汉平;史新瑞;侯聪聪;王澳 -专利权人：长春理工大学
申请日： 2023-05-11 - 公布日： 2023-08-15 - 主分类号： G06V10/764 文献下载
摘要：一种基于改进Faster‑RCNN的常见生活垃圾图像检测方法，涉及深度学习垃圾图像分类领域，解决在对垃圾图像进行特征提取过程中，一些算法对常见生活垃圾特征提取不充分的问题，采用ResNeXt50与改进后的PAFPN相结合作为骨干网络，使浅层信息与深层语义特征得到充分融合，以便更好的获取小目标特征；然后用Soft‑NMS算法对锚框进行筛选，减少了NMS算法因滤除交并比大于阈值的框而出现的漏检；最后在对感兴趣区域(RoI)进行特征提取阶段采用RoIAlign算法，进行双线性插值操作，避免了两次量化对目标检测准确度的影响。改进后的算法能充分提取图像特征，优化检测结果，有效地提升了垃圾图像的检测精度，进一步提高后续的垃圾处理效率。
一种基于改进 faster rcnn 常见生活垃圾图像检测方法

[实用新型]一种皮肤检测装置-CN202221804417.X有效
发明人：张晨洁;胡汉平;王帅;史新瑞;耿小飞 -专利权人：长春理工大学
申请日： 2022-07-13 - 公布日： 2023-08-04 - 主分类号： A61B5/00 文献下载
摘要：本实用新型涉及皮肤检测技术领域，具体是指一种皮肤检测装置，包括检测仪本体，所述检测仪本体上设有按钮和连接块，检测仪本体通过连接线连接有显示板，所述显示板上设有显示屏，所述连接块上设有摄像头，所述摄像头的外圈设有灯环，所述连接块的外部可拆卸连接有防护罩，所述防护罩为筒状结构且套在连接块一端外部，所述防护罩内设有防护板，所述防护板包括透明板，所述透明板的外侧壁设有侧环。该实用新型连接块为检测头，在连接块的外部设有防护罩，可隔离检测头与病人，且防护罩可拆卸方便将其拆卸下来消毒处理，防护板可保护连接头端部的摄像头和灯环，避免摄像头和灯环被污染。
一种皮肤检测装置

[发明专利]一种串联融合DenseNet和Transformer的皮肤图像特征提取方法-CN202211570369.7在审
发明人：白雪梅;王帅;张晨洁;史新瑞;赵荟圆;侯聪聪;王澳;师宏锦 -专利权人：长春理工大学
申请日： 2022-12-12 - 公布日： 2023-04-18 - 主分类号： G06V10/44 文献下载
摘要：本发明提出了一种串联融合DenseNet和Transformer的皮肤图像特征提取方法，属于深度学习图像分类领域。所述方法包括对输入图片进行预处理，将输入的图片转换为张量，送入DenseNet部分进行特征提取，获得面部的局部特征；经过DenseNet后得到的特征图再送入Transformer获得面部的全局特征；对全局特征和局部特征进行信息融合，获得融合特征，通过融合特征来进行皮肤图像识别；Transformer输出的特征图还要经过Layer Noraml层、平均池化层和全连接层，最后输出预测类别和患病概率。本发明可充分利用全局特征和局部特征中所蕴含的皮肤信息，进而提高皮肤诊断的准确率，可以很好的判断皮肤病的类型和患病概率。
一种串联融合 densenet transformer 皮肤图像特征提取方法

[发明专利]一种并联融合CNN和Transformer的皮肤病图像分类方法-CN202211582312.9在审
发明人：白雪梅;王帅;张晨洁;史新瑞;王云鹏;师宏锦;候聪聪 -专利权人：长春理工大学
申请日： 2022-12-12 - 公布日： 2023-04-07 - 主分类号： G06V10/764 文献下载
摘要：一种并联融合CNN和Transformer的皮肤病图像分类方法，涉及深度学习皮肤病图像分类领域，解决在皮肤疾病分类特征提取过程中，一些算法对病变区域特征提取不充分的问题，将CNN算法和Transformer算法并联融合，并在CNN部分引入SimAM自注意力机制，使算法既有CNN结构在局部特征提取方面的优势，又有Transformer结构在全局特征提取方面的优势。将CNN部分按照特征提取和降维操作分为四个阶段，四个阶段提取到的特征图分别与Transformer特征提取后的特征图进行四次融合，融合后的算法能充分的提取数据集中图像的特征信息，有效地提高了诊断的准确度。
一种并联融合 cnn transformer 皮肤病图像分类方法