一种针对迁移学习的神经网络模型输入通道整合方法

    公开(公告)号:CN111652352B

    公开(公告)日:2023-08-04

    申请号:CN202010404179.2

    申请日:2020-05-13

    摘要: 一种针对迁移学习的神经网络模型输入通道整合方法,首先对网络模型描述文件中的数据输入层描述进行修改,删除原数据输入层描述,增加基于图像数据列表的数据输入层描述,并将待修改的第一个卷积层重命名;然后读取神经网络模型权重文件,并对其进行修改,使对应的神经网络模型仅需要单通道数据作为输入;最后进行单通道图像数据的实时目标检测识别测试。本发明通过对经三通道训练样本数据训练的网络模型权重文件进行分析整合,形成了单通道输入的网络模型权重文件,直接在嵌入式平台部署,无需经过通道复制操作,不需要占用多余的内存空间,减轻了神经网络的计算量,降低了对信息处理资源的压力,可直接在单通道数据上完成实时目标检测识别。

    一种针对迁移学习的神经网络模型输入通道整合方法

    公开(公告)号:CN111652352A

    公开(公告)日:2020-09-11

    申请号:CN202010404179.2

    申请日:2020-05-13

    IPC分类号: G06N3/04 G06N3/08 G06K9/62

    摘要: 一种针对迁移学习的神经网络模型输入通道整合方法,首先对网络模型描述文件中的数据输入层描述进行修改,删除原数据输入层描述,增加基于图像数据列表的数据输入层描述,并将待修改的第一个卷积层重命名;然后读取神经网络模型权重文件,并对其进行修改,使对应的神经网络模型仅需要单通道数据作为输入;最后进行单通道图像数据的实时目标检测识别测试。本发明通过对经三通道训练样本数据训练的网络模型权重文件进行分析整合,形成了单通道输入的网络模型权重文件,直接在嵌入式平台部署,无需经过通道复制操作,不需要占用多余的内存空间,减轻了神经网络的计算量,降低了对信息处理资源的压力,可直接在单通道数据上完成实时目标检测识别。

    一种自动化码头桥吊遗留锁垫检测方法及系统

    公开(公告)号:CN112661013B

    公开(公告)日:2023-06-30

    申请号:CN202011502610.3

    申请日:2020-12-17

    摘要: 本发明提供了一种自动化码头桥吊遗留锁垫检测方法及系统,属于目标检测技术领域,本发明提供的检测系统,包括箱底角视频图像实时获取装置和锁垫遗留信息实时处理系统。在自动化码头卸船作业过程中,通过箱底角视频图像实时获取装置获取桥吊中转平台台座上集装箱的箱底角实时视频图像,采用锁垫遗留信息实时处理系统根据箱底角实时视频图像生成锁垫检测结果信号,并将锁垫检测结果信号发送到桥吊陆侧从小车电控系统;在有遗留锁垫时,控制桥吊陆侧从小车停止起升,警告现场作业人员及时摘除锁垫,本发明通过锁垫遗留信息实时处理系统实时对集装箱进行检测,可以有效防止现场作业人员因疏忽漏摘的锁垫进入堆场,避免锁垫进入堆场内发生安全事故。