-
公开(公告)号：CN117152587A
公开(公告)日：2023-12-01
申请号：CN202311407565.7
申请日：2023-10-27
申请人： 浙江华是科技股份有限公司
IPC分类号： G06V10/82 , G06V10/764 , G06V10/766 , G06V10/74 , G06V10/774 , G06V10/40 , G06V20/54 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/0895
摘要： 本发明公开一种基于对抗学习的半监督船舶检测方法及系统。其中，该方法采用半监督训练，减少目标检测标定的工作量；在原始船舶检测模型中增加对抗学习，即增加相似度计算模块，对未标定训练集进行分类，使模型对不同类别的未标定训练集采用不同程度学习；利用标定训练集的损失值，对标定训练集进行分类，减少模型对易检训练集的采样学习，压缩训练时间；目标半监督船舶检测模型训练阶段实时修改图像采样规则，实现标定训练集为主导，未标定训练集辅助学习，加大模型对未标定训练集的学习能力，降低未标定训练集错误标定对模型的影响。
-
公开(公告)号：CN116758429B
公开(公告)日：2023-11-07
申请号：CN202311054489.6
申请日：2023-08-22
申请人： 浙江华是科技股份有限公司
IPC分类号： G06V20/10 , G06V10/75 , G06V10/774
摘要： 本发明公开一种基于正负样本候选框动态选择船舶检测方法及系统，其中，该方法对当前正样本候选框进行难易评估，加强船舶检测模型对难检样本的学习；利用原始船舶检测模型预测出的原始负样本候选框，通过原始负样本候选框的置信度，筛选出易检负样本候选框，初始船舶检测模型训练过程中预测的当前一级负样本候选框与易检负样本候选框匹配，置于不同权重，加强船舶检测模型对易检负样本特征的学习；易检负样本候选框的数量是动态选择，依据训练集的人工标定框数量和原始负样本候选框数量共同决定。本发明的方法降低了船舶检测模型的误检，提高了准确率。
-
公开(公告)号：CN116543182B
公开(公告)日：2023-08-25
申请号：CN202310808187.7
申请日：2023-07-04
申请人： 浙江华是科技股份有限公司
摘要： 本发明公开了一种水位识别方法及系统，其中该方法包括：获取背景区域对应的背景点云，在背景点云的高度方向上进行等间距切片得到多个切片点云，根据背景点云的高度确定多个水位模拟高度；在每个水位模拟高度下，截取背景点云中水位模拟高度以下的倒影点云及实体点云；对倒影点云进行镜像变换得到镜像点云，根据镜像点云与实体点云的重合点数量得到重合度；当重合度大于或等于预设重合度阈值时，为镜像点云中每个镜像点匹配实体点云中与该镜像点距离最小的第一实体点云；根据所有匹配后的镜像点及第一实体点计算匹配距离误差；选取最小匹配距离误差对应的水位模拟高度作为实际水位值。提高了水位识别的精度。
-
公开(公告)号：CN116543182A
公开(公告)日：2023-08-04
申请号：CN202310808187.7
申请日：2023-07-04
申请人： 浙江华是科技股份有限公司
摘要： 本发明公开了一种水位识别方法及系统，其中该方法包括：获取背景区域对应的背景点云，在背景点云的高度方向上进行等间距切片得到多个切片点云，根据背景点云的高度确定多个水位模拟高度；在每个水位模拟高度下，截取背景点云中水位模拟高度以下的倒影点云及实体点云；对倒影点云进行镜像变换得到镜像点云，根据镜像点云与实体点云的重合点数量得到重合度；当重合度大于或等于预设重合度阈值时，为镜像点云中每个镜像点匹配实体点云中与该镜像点距离最小的第一实体点云；根据所有匹配后的镜像点及第一实体点计算匹配距离误差；选取最小匹配距离误差对应的水位模拟高度作为实际水位值。提高了水位识别的精度。
-
公开(公告)号：CN116168256A
公开(公告)日：2023-05-26
申请号：CN202310417790.2
申请日：2023-04-19
申请人： 浙江华是科技股份有限公司
IPC分类号： G06V10/764 , G06V10/774
摘要： 本发明公开一种船舶检测方法、系统及计算机存储介质。其中，该方法对原始船舶检测模型进行修改，在保留之前检测头的参数下，增加一个或几个新的检测头的类别通道和坐标通道；更新训练集只标注新增类别的目标框，采用原始船舶检测模型对更新训练集图片进行预测，得到每张图片伪标签的预测结果；采用蒸馏的方法，针对原始类别标注在瓶颈层和检测头进行蒸馏；通过目标框的类别均值和置信度的类别均值，解决目标类别不平衡问题和易检、难检问题，加大模型对难检类别的学习，降低对易检类别的关注。
-
公开(公告)号：CN116148878A
公开(公告)日：2023-05-23
申请号：CN202310411141.1
申请日：2023-04-18
申请人： 浙江华是科技股份有限公司
IPC分类号： G01S17/88 , G01B11/06 , G06V10/26 , G06V10/62 , G06V10/762
摘要： 本发明公开了一种船舶干舷高度识别方法及系统，其中该方法包括：S1、获取目标船舶的中间段所在帧的目标点云数据集；S2、根据激光雷达的扫描线间距确定预设间隔及距离阈值区间，采用预设间隔将距离阈值区间分割为多个调节距离阈值；S3、自第一个调节距离阈值开始按顺序依次在多个调节距离阈值下，根据目标点云数据集及ransac算法计算候选干舷平面，并根据候选干舷平面内的点云数据计算对应的置信度，根据候选干舷平面的置信度确定最优干舷平面；S4、对最优干舷平面进行切片并计算每个切片的切片高度，根据所有的切片高度进行加权计算得到目标船舶的干舷高度。提高了干舷高度的计算精度及效率，具有良好的通用性。
-
公开(公告)号：CN114998691B
公开(公告)日：2023-04-18
申请号：CN202210721409.7
申请日：2022-06-24
申请人： 浙江华是科技股份有限公司
IPC分类号： G06V10/774 , G06V10/764 , G06V10/82 , G06N3/084
摘要： 本发明公开了一种半监督船舶分类模型训练方法及装置，其中，该方法包括：采用标定数据集分别对初始总类别船舶分类模型及多个初始单类别船舶分类模型进行模型训练，得到第一总类别船舶分类模型及多个第一单类别船舶分类模型；使用第一总类别船舶分类模型及多个第一单类别船舶分类模型分别赋值网络，并进行模型训练；使用训练得到的模型对最新的伪标签训练集进行预测，并从中删除奇异样本；将删除奇异样本的伪标签训练集作为训练集对总类别船舶分类模型进行训练，得到最终船舶分类模型。本发明降低了错误样本对模型的影响，提高模型的准确率。
-
公开(公告)号：CN115330777B
公开(公告)日：2023-03-24
申请号：CN202211250232.3
申请日：2022-10-13
申请人： 浙江华是科技股份有限公司
IPC分类号： G06T7/00 , G06T3/40 , G06V10/764 , G06V10/774
摘要： 本发明公开一种训练图片缩放尺寸船舶检测方法及系统。其中，该方法包括：顺次获取目标船舶检测模型和图片缩放比例模型；将图片缩放比例模型的权重值插入到初始自动缩放尺寸船舶检测网络的参数中；将目标船舶检测模型的权重值插入到初始自动缩放尺寸船舶检测网络的参数中，得到更新的自动缩放尺寸船舶检测网络，将训练集中每张图片输入到更新的自动缩放尺寸船舶检测网络中进行训练并调整网络中的参数，得到目标自动缩放尺寸船舶检测模型；将待检测图片输入到目标自动缩放尺寸船舶检测模型中进行检测，得到船舶位置。本发明通过在传统的自动缩放尺寸船舶检测网络中增加图片缩放比例模块，能够实现依据图片的特征进行自动缩放。
-
公开(公告)号：CN115620155A
公开(公告)日：2023-01-17
申请号：CN202211632345.X
申请日：2022-12-19
申请人： 浙江华是科技股份有限公司
IPC分类号： G06V20/10 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/084
摘要： 本发明公开一种变电站目标检测方法、系统及计算机存储介质。其中，该方法包括：将人工标定训练集中所有图片输入到原始分类模型中进行多轮模型训练，得到违章分类模型；将人工标定训练集中所有图片输入到学生模型中进行模型训练，将未标定训练集中所有图片输入到教师模型和学生模型中进行模型训练；学生模型训练过程中，同时优化教师模型的缺陷；通过违章分类模型对学生模型和教师模型训练时进行监督。该方法通过学生模型和教师模型对人工标定训练集和未标定训练集进行训练，解决了变电站投入使用后训练集收集困难的问题；引入了违章分类模型，对学生模型和教师模型训练时进行监督，使得目标检测的准确率更高。
-
公开(公告)号：CN115601618A
公开(公告)日：2023-01-13
申请号：CN202211502648.X
申请日：2022-11-29
申请人： 浙江华是科技股份有限公司(CN)
IPC分类号： G06V10/774 , G06V10/764 , G06V10/766
摘要： 本发明公开一种磁芯缺陷检测方法、系统及计算机存储介质。其中，该方法包括：对样本训练集进行不同的处理，得到不同图片属性的样本训练集；根据不同图片属性的样本训练集构建图片属性分类模型；将原始训练集输入到初始磁芯缺陷检测模型中进行多轮模型训练，得到每张图片每轮的原始损失值；将每张图片全部轮的原始损失值输入到图片属性分类模型中进行分类训练，得到每张图片的图片属性；将包含图片属性的原始训练集输入到初始磁芯缺陷检测模型中进行模型训练得到目标磁芯缺陷检测模型；将待检测图片输入到目标磁芯缺陷检测模型中进行检测，得到磁芯缺陷位置和类别。该方法中得到的目标磁芯缺陷检测模型对于磁芯缺陷检测的准确率高。
-
-
-
-
-
-
-
-
-
搜索结果
116 条记录 (耗时 0.052 秒)
