“沈钧戈”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28个，建议您升级VIP下载更多相关专利

[发明专利]一种基于时空准则与混合网络架构的多级车辆重识别方法-CN202310424993.4在审
发明人： 沈钧戈;毛昭勇;孙健;葛伟臻;李彦铎 -专利权人：西北工业大学
申请日： 2023-04-20 - 公布日： 2023-10-13 - 主分类号： G06V20/54 文献下载
摘要：本发明公开了一种基于时空准则与混合网络架构的多级车辆重识别方法，针对重识别数据集提出一种新的基于多视角图像的mixup的采样策略，增强模型对车辆视角变换的鲁棒性。针对以往深度学习算法对于外观相似的车辆类别难以区分的问题，通过设计时空准则，减少误检，提高模型检索的准确率；通过混合网络架构，提取细粒度全局信息，克服CNN网络结构丢失细节信息的缺点，提升模型提取特征的鲁棒性。本发明在保证检索速度的同时，大大提高了模型的准确度，在实际城市交通场景中模型能够稳定高效的运行，具有广阔的应用前景。
一种基于时空准则混合网络架构多级车辆识别方法

[发明专利]一种基于自注意力机制的危化品运输车辆检测识别方法-CN202310425074.9在审
发明人： 沈钧戈;董雯;毛昭勇;王亦晨 -专利权人：西北工业大学
申请日： 2023-04-20 - 公布日： 2023-09-26 - 主分类号： G06V20/52 文献下载
摘要：本发明公开了一种基于自注意力机制的危化品运输车辆检测识别方法，针对交通视频获取单帧图像，构建危化品运输车辆数据集，通过对图像进行数据增强与还原处理，淡化天气等特定信息对检测的影响，接着将处理好的图像输入检测网络，采用基于自注意力机制的特征提取模块与自下而上和自上而下两种多尺度特征融合方式对车辆特征进行提取与融合，结合目标的浅层特征和语义特征，增强特征图捕获上下文信息的能力。本发明对解决复杂环境中小目标车辆检测具有重要意义。
一种基于注意力机制危化品运输车辆检测识别方法

[发明专利]一种基于视觉导航停车机器人的辅助泊车方法-CN202310425043.3在审
发明人： 沈钧戈;毛昭勇;武迎龙;谭浩声 -专利权人：西北工业大学
申请日： 2023-04-20 - 公布日： 2023-08-29 - 主分类号： G08G1/14 文献下载
摘要：本发明公开了一种基于视觉导航停车机器人的辅助泊车方法，首先基于手工标注与卷积神经网络的空车位检测模型检测空车位，停车机器人承载待停车辆，云端将指定停车位的位置信息发送给停车机器人；然后基于色彩空间变换的识别车道线检测算法检测车道，实现机器人按照特定轨迹运行；最终通过机器人自身摄像头实现停车入位。本发明能够辅助车辆完成高效停车，提高了停车的空间利用率，同时降低了成本。
一种基于视觉导航停车机器人辅助泊车方法

[发明专利]一种恶劣视觉环境下的道路车辆检测方法-CN202310409478.9在审
发明人：毛昭勇;王亦晨;沈钧戈;余晨阳 -专利权人：西北工业大学
申请日： 2023-04-18 - 公布日： 2023-08-29 - 主分类号： G06V20/54 文献下载
摘要：本发明公开了一种恶劣视觉环境下的道路车辆检测方法，首先采集道路视频图像，然后构建基于图像双通道信息的数字图像增强算法，通过图像亮通道信息建立初始映射；再通过图像暗通道信息对建立的映射进行修正，以减少图像增强过程中由于传递造成的信息失真；从图像的亮通道结果中获取参数全局亮度；将全局亮度和修正后的映射关系代入数字图像经验公式，获取针对恶劣视觉环境去暗增强后的增强图像；构建基于手工标注与卷积神经网络的深度学习车辆检测模型，使用标注过的数据集对模型进行训练得到车辆检测模型，实现恶劣视觉环境下的车辆检测。本发明有效提升了恶劣视觉环境下车辆检测的精度与准确率。
一种恶劣视觉环境道路车辆检测方法

[发明专利]一种基于残差连接的多网络特征随机融合的交通流预测方法-CN202310424244.1在审
发明人：毛昭勇;王亦晨;沈钧戈;孟辰林 -专利权人：西北工业大学
申请日： 2023-04-20 - 公布日： 2023-08-29 - 主分类号： G08G1/01 文献下载
摘要：本发明公开了一种基于残差连接的多网络特征随机融合的交通流预测方法，首先，选取时间段、节假日以及天气信息作为影响交通流预测的关键因素，并将这三者作为网络的输入。同时，由于传统的循环神经网络在提取特征时容易出现梯度消失或梯度爆炸等问题，引入MobileNet V2中的反残差连接块，能够有效地缓解上述问题。最后，为进一步提升为网络表征能力，提出了随机特征融合策略，在训练时根据多网络模型输出的特征分别生成对应的随机掩码，对各网络输出特征进行随机融合，将融合特征输出到预测网络中进行交通流预测并输出预测结果。本发明为实施更为有效的交通管理、指挥调度和交通规划提供有效的决策数据，提高城市道路交通管理控制、指挥决策和规划的水平。
一种基于连接网络特征随机融合通流预测方法

[发明专利]一种基于度量学习的混合网络水下光学图像目标检测方法-CN202310424311.X在审
发明人：毛昭勇;沈钧戈;丁文俊;陈刚琦 -专利权人：西北工业大学
申请日： 2023-04-20 - 公布日： 2023-08-22 - 主分类号： G06V20/05 文献下载
摘要：本发明公开了一种基于度量学习的混合网络水下光学图像目标检测方法，首先构建一个由两个混合模块和两个全局自注意力模块组成的残差全局模块，用于对水下光学图像的特征提取；然后构建前‑背景编码模块和位置编码模块用于分类；再用残差全局模块以及前‑背景编码模块和位置编码模块构建基于度量学习的混合网络；将待检测水下光学图像输入训练后的混合网络，最终获得检测结果，实现水下光学图像中的目标检测。本发明有效解决模型对于水下光学图像中常出现的前背景混淆问题，提升模型在水下光学图像目标检测中的可靠性与鲁棒性。
一种基于度量学习混合网络水下光学图像目标检测方法

[发明专利]一种轻量化的端到端道路损伤检测目标分割方法-CN202310425106.5在审
发明人： 沈钧戈;王鑫;毛昭勇;刘佳璇;葛伟臻 -专利权人：西北工业大学
申请日： 2023-04-20 - 公布日： 2023-08-22 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种轻量化的端到端道路损伤检测目标分割方法，首先将数据集中的图像经过骨干特征提取网络Shuffle‑ECANet得到特征，然后经过多尺度特征融合网络，得到包含不同尺度的特征图；再将特征图经过轻量级多分支通道注意力网络LMCA‑Net，得到最终识别出损伤的图像。通过训练得到网络的权重，在实际检测时，可以将摄像机拍摄的实时图像输入到该目标分割模型中，导入前面得到的权重，对道路损伤进行识别及分割。本发明能够快速自动准确地识别和分类特定类型的道路损伤，在目标分割上依然有良好的性能效果。
一种量化端到端道路损伤检测目标分割方法

[发明专利]一种视频监控下的吸烟行为检测方法-CN202310425733.9在审
发明人： 沈钧戈;武迎龙;毛昭勇;王亦晨 -专利权人：西北工业大学
申请日： 2023-04-20 - 公布日： 2023-08-22 - 主分类号： G06V20/52 文献下载
摘要：本发明公开了一种视频监控下的吸烟行为检测方法，针对复杂环境下对烟雾和烟支的误检、漏检状况，本发明实现了结合烟支特征与烟雾特征的吸烟行为检测；针对传统烟雾检测中小烟雾检测准确率较低的问题，本发明完成了一种基于特征融合的烟雾检测技术；为了在监控中实现实时检测，本发明设计了一种基于深度可分离卷积改进yolo v5的轻量化烟支检测模型。实验结果表明，本发明所提供的吸烟行为检测方法具有较高的准确率和鲁棒性，能够有效地区分吸烟和非吸烟行为，并且在不同光照、阴影和遮挡等复杂环境下仍能够保持良好的检测效果。
一种视频监控吸烟行为检测方法

[发明专利]一种基于人工智能的牧草病虫害治理方法及装置-CN201910602700.0有效
发明人：王鑫;沈钧戈;王玉柱;王鹏飞;许立胜;王亮 -专利权人：府谷县鑫兴泰农贸有限公司
申请日： 2019-07-08 - 公布日： 2023-06-23 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种基于人工智能的牧草病虫害治理方法及装置，涉及农业科技领域。用以解决农作物病虫害治理存在工作量大，且识别病虫害准确性低、治理方法单一等问题。该方法包括：将接收到的病虫害图片输入到分类模型，得到病虫害类别的概率值，当概率值大于设定阈值时，将最大概率值对应的病虫害类别确定为病虫害类别；将病虫害类别和病虫害图片发送至病虫害综合治理模块，以使病虫害综合治理模块确定病虫害图片的治理方案和预防方案；根据病虫害图片携带的拍摄地理信息和时间信息确定病虫害图片的地理位置信息和环境信息；将病虫害图片对应的病虫害类别、治理方案、预防方案、环境信息和时间信息添加到牧草病虫害态势展示图谱内。
一种基于人工智能牧草病虫害治理方法装置

[发明专利]一种扩展SOC预测温度范围的方法-CN202211283282.1在审
发明人：毛昭勇;陈佩雨;沈钧戈;田文龙;卢丞一 -专利权人：西北工业大学
申请日： 2022-10-20 - 公布日： 2023-05-12 - 主分类号： G01R31/367 文献下载
摘要：本发明提供了一种扩展SOC预测温度范围的方法，采集电池在不同温度下的动态放电数据，建立不同温度下荷电状态‑端电压的回归方程，以室温为基础，计算各温度下的电压补偿因子，对于工作在不同环境温度下的水下航行器，在实时测量的电压上加上对应的温度补偿因子，解决环境温度对SOC评估算法造成的影响。本发明引入的温度补偿因子操作简单，计算量小，所提出扩展温度范围方法，能够显著提高SOC预测算法在低温环境下的预测精度，只需对不同温度下的电压进行温度补偿，因此没有过多的计算负担，在水下航行器中能带来较为实际的应用价值。
一种扩展 soc 预测温度范围方法

[发明专利]一种道路病害识别检测方法及系统-CN202211522042.2在审
发明人：王鑫;毛昭勇;张驰;沈钧戈 -专利权人：西北工业大学
申请日： 2022-11-30 - 公布日： 2023-04-07 - 主分类号： G06V20/56 文献下载
摘要：本申请公开了一种道路病害识别检测方法及系统，方法包括：采集数据集，并将数据集划分为训练集、验证集和测试集；对数据集进行预处理，得到处理后数据；根据处理后数据，利用Transformer算法提取图像不同层级的目标特征，得到最终目标向量；基于最终目标向量，得到目标的类别概率，并回归出目标边界框，实现目标精准检测。本申请利用视觉Transformer结构自动提取图像特征，避免了基于CNN方法无法有效利用上下文信息和全局性不够等缺点，通过对图像数据进行道路病害识别，可以代替人工检查道路路面病害情况，有效提高检测效率，降低检测成本，与基于传统CNN的目标检测算法相比，本申请有更高的召回率与精确度。
一种道路病害识别检测方法系统

[发明专利]基于深度可分离空洞卷积的轻量级水下目标检测方法-CN202110688073.4有效
发明人： 沈钧戈;毛昭勇;丁文俊;刘楠 -专利权人：西北工业大学
申请日： 2021-06-21 - 公布日： 2023-02-10 - 主分类号： G06V20/05 文献下载
摘要：本发明提供了一种基于深度可分离空洞卷积的轻量级水下目标检测方法，使用水下机器人拍摄水下目标图像，得到水下目标检测数据集，对基于VGG16的Faster R‑CNN模型进行改进，读取水下目标检测数据集，对改进后模型进行训练和测试，得到检测模型权重，在水下机器人平台上搭载检测模型和训练后检测模型权重，对水下图像进行实时检测，识别水下目标。本发明增大了特征图分辨率，适用于多尺度目标，通过降低特征图通道数以及压缩全连接层减少了检测过程的参数量，以此加快了目标识别的速度，使网络具有轻量级的特点，可以搭载于水下机器人平台，具有广阔的应用前景。
基于深度可分离空洞卷积轻量级水下目标检测方法

[发明专利]一种基于CenterNet的轻量级水下目标检测方法-CN202110723096.4有效
发明人： 沈钧戈;毛昭勇;丁文俊;姜旭阳 -专利权人：西北工业大学
申请日： 2021-06-25 - 公布日： 2022-12-06 - 主分类号： G06V10/774 文献下载
摘要：本发明提供了一种基于CenterNet的轻量级水下目标检测方法，在水下拍摄目标图像，将目标图像制作为数据集，将数据集分为训练集和测试集，并对训练集进行标注，选择ResNet18作为特征提取网络，搭建特征金字塔进行多尺度特征融合，并输出融合后图像大小最大的特征图至检测头中，使用CenterNet算法对训练集中的图像及标注的信息进行深度学习的训练，得到训练后的模型，进行目标检测，获取图像中待检测目标的分类信息和位置信息。本发明更加轻量化，适用于嵌入式设备中，目标检测精度较高，进一步提升了对水下光学图像中多尺度目标的检测精度，减少了部分所需的计算量，增加了推理速度，使算法更加轻量化、实时化。
一种基于 centernet 轻量级水下目标检测方法

[发明专利]一种基于深度学习的水下目标三维重建方法-CN202210799673.2在审
发明人： 沈钧戈;危欢;毛昭勇;孙健;王亦晨 -专利权人：西北工业大学
申请日： 2022-07-06 - 公布日： 2022-10-04 - 主分类号： G06V20/05 文献下载
摘要：本发明提供了一种基于深度学习的水下目标三维重建方法，采用注意力机制获得水下图片重点聚焦的特征，对图片进行单应性变换，生成匹配特征体，计算该图片的特征体与其他图片特征体的匹配代价，得到一个四维的匹配代价体，使用基于多尺度的三维卷积神经网络进行匹配代价体正则化，对代价体进行过滤，得到深度值概率体，通过神经网络得出深度图，将深度值映射到三维空间，得到三维点云图。本发明充分使用卷积神经网络的特征提取能力，进一步提升模型的表征能力，极大改善立体匹配效果，动态平衡各个通道的权重大小，能够精准的对特征的各个通道进行全局信息调整，有利于优化特征局部信息。
一种基于深度学习水下目标三维重建方法

[发明专利]一种基于改进特征匹配策略的轻量级车辆追踪方法-CN202210838154.2在审
发明人：毛昭勇;王亦晨;沈钧戈;孙健;王鑫 -专利权人：西北工业大学
申请日： 2022-07-17 - 公布日： 2022-09-30 - 主分类号： G06V20/56 文献下载
摘要：本发明提供了一种基于改进特征匹配策略的轻量级车辆追踪方法，使用多个公开车辆重识别数据集对特征匹配模块进行训练，提升模型特征提取能力；通过使用度量学习的损失函数，在不增加模型复杂度的情况下有效提升模型特征匹配能力；使用更加轻量的ShuffleNetV2网络，以达到降低模型参数的效果；最终通过多个模块对性能的不同提升实现更稳定的实时车辆追踪。本发明有效降低跟踪算法特征匹配部分的网络参数量，从而有效提升跟踪算法的实时性，在保证跟踪准确度的同时，大大降低了模型的复杂度，具有轻量级的特点，具备实时性，保证了接入实际视频流进行实时跟踪车辆时，模型能够稳定高效的运行，具有广阔的应用前景。
一种基于改进特征匹配策略轻量级车辆追踪方法

1
2
下一页»
尾页
共 28 条