-
公开(公告)号：CN118072360B
公开(公告)日：2024-06-28
申请号：CN202410476147.1
申请日：2024-04-19
申请人： 浙江华是科技股份有限公司
IPC分类号： G06V40/10 , G06V10/762 , G06V10/774 , G06V10/764
摘要： 本发明公开一种周界入侵单个人体完整识别方法及系统。其中，该方法采用基于深度学习的实例分割模型对输入的聚类结果点云判断其是否为多个目标合并，且精准地将每个人体实例单独分割出来，然后再通过人体完整性分类模型去判断每个人体是否完整，如果分类结果不完整，再通过在原始点云中邻域搜索的方法查找相关邻域点进行补全。该方法引入边界置信度这个指标，量化了一个点是否为多个目标之间的边界点的概率，并且通过边界置信度损失值增强了对边界点的分割精度，大大提升了实例分割的效果；该方法针对人体完整性分类网络耗时的问题，采用中心区域下采样的方法减少了输入点云的数量，在保证识别准确率的情况下，又大幅提升了识别速度。
-
公开(公告)号：CN118072360A
公开(公告)日：2024-05-24
申请号：CN202410476147.1
申请日：2024-04-19
申请人： 浙江华是科技股份有限公司
IPC分类号： G06V40/10 , G06V10/762 , G06V10/774 , G06V10/764
摘要： 本发明公开一种周界入侵单个人体完整识别方法及系统。其中，该方法采用基于深度学习的实例分割模型对输入的聚类结果点云判断其是否为多个目标合并，且精准地将每个人体实例单独分割出来，然后再通过人体完整性分类模型去判断每个人体是否完整，如果分类结果不完整，再通过在原始点云中邻域搜索的方法查找相关邻域点进行补全。该方法引入边界置信度这个指标，量化了一个点是否为多个目标之间的边界点的概率，并且通过边界置信度损失值增强了对边界点的分割精度，大大提升了实例分割的效果；该方法针对人体完整性分类网络耗时的问题，采用中心区域下采样的方法减少了输入点云的数量，在保证识别准确率的情况下，又大幅提升了识别速度。
-
公开(公告)号：CN117830304A
公开(公告)日：2024-04-05
申请号：CN202410240369.3
申请日：2024-03-04
申请人： 浙江华是科技股份有限公司
IPC分类号： G06T7/00 , G06T5/73 , G06T7/80 , G06V10/80 , G06V10/764 , G06V10/774 , G06T7/73 , G06N5/04
摘要： 本发明公开一种水雾船舶检测方法、系统及计算机存储介质。其中，该方法包括：将训练集进行标定，得到人工标定结果；将训练集中清晰船舶图片输入到清晰船舶检测模型中得到当前每个阶段清晰特征图和当前清晰预测结果；将训练集中水雾船舶图片输入到增加去雾网络的水雾船舶检测模型中得到伪清晰船舶图片、当前每个阶段伪清晰特征图、当前伪清晰预测结果；根据清晰船舶图片、伪清晰船舶图片、当前每个阶段清晰特征图、当前每个阶段伪清晰特征图、当前清晰预测结果、当前伪清晰预测结果、人工标定结果反向更新水雾船舶检测模型；重复上述得到目标水雾船舶检测模型；将待检测的水雾船舶图片输入到目标水雾船舶检测模型中进行检测，得到船舶位置和类别。
-
公开(公告)号：CN117789041A
公开(公告)日：2024-03-29
申请号：CN202410217435.5
申请日：2024-02-28
申请人： 浙江华是科技股份有限公司
IPC分类号： G06V20/10 , G06V10/30 , G06V10/32 , G06V10/774 , G06V10/82 , G06N3/0464
摘要： 本发明公开一种基于大气散射先验扩散模型的船舶去雾方法及系统。其中，该方法包括：将训练集中的全部水雾船舶图片通过训练好的目标Unet模型进行预测，得到所有目标清晰图片、所有目标透射率图片和所有目标纯噪音图片；将训练集中的每个清晰船舶图片进行多步扩散加噪音得到对应的多个扩散噪音图片；从每个清晰船舶图片对应的所有扩散噪音图片中随机抽取一张，与对应的每个目标清晰图片、每个目标透射率图片输入到构建好的去噪Unet模型中进行训练得到目标去噪Unet模型；将当前个水雾船舶图片与对应的当前个目标清晰图片、当前个目标透射率图片输入到所述目标去噪Unet模型中进行反向推理去雾，得到当前个复原清晰船舶图片；该方法得到的船舶图片更真实。
-
公开(公告)号：CN117148373A
公开(公告)日：2023-12-01
申请号：CN202311412754.3
申请日：2023-10-30
申请人： 浙江华是科技股份有限公司
摘要： 本发明公开一种基于激光雷达和AIS全局匹配的船舶识别方法及系统。其中，该方法通过单帧匹配获取当前时刻每个第一船舶对应的多条匹配信息；将所有匹配信息进行过滤得到有效匹配信息；将有效匹配信息转化为二分图；计算二分图中每条边的权值；将二分图中每条边的权值通过KM算法获取目标船舶的最佳匹配结果；该方法结合了单帧匹配和全局匹配，获得全局最优的匹配结果；显著提高船闸卡口AIS匹配的正确率。
-
公开(公告)号：CN116052094B
公开(公告)日：2023-06-09
申请号：CN202310209497.7
申请日：2023-03-07
申请人： 浙江华是科技股份有限公司
IPC分类号： G06V20/54 , G06V10/72 , G06V10/774 , G06V10/766 , G06V10/26 , G06V10/80
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，该方法包括：将原始训练集进行复制，并将复制好的图片从不同种类的数据增强中随机选择一种进行数据增强，将上述图片进行模型训练，得到第一更新船舶检测模型；对原始训练集进行不同种类的数据增强，得到增强训练集；将原始训练集、增强训练集通过第一更新船舶检测模型进行训练，计算得到全部目标的差异值，根据差异值将目标进行裁剪并粘贴到对应的原始图片中并进行融合操作，以使目标与原始图片的边缘虚化，中心突出；本发明利用原始迭代图片对增强迭代图片的引导，使模型不仅能学习原始迭代图片特征，还能学习各种场景下的增强迭代图片特征，提高不同环境下的准确率和降低错误率。
-
公开(公告)号：CN115629370A
公开(公告)日：2023-01-20
申请号：CN202211659719.7
申请日：2022-12-23
申请人： 浙江华是科技股份有限公司
IPC分类号： G01S7/481
摘要： 本发明实施例公开了一种激光雷达探测系统及方法，其中，该系统包括：光纤激光器，用于发射线偏光；保偏光纤分束器，用于将对应光纤激光器的线偏光分束为一致的第一光束及第二光束；每个第一光路组件用于得到第一子光束组；每个第二光路组件用于得到第二子光束组；偏振光合束器，用于对第一子光束组与第二子光束组进行合束，得到合束光束；反射镜用于旋转将所有合束光束进行反射后送入扫描放大器；扫描放大器用于放大所有合束光束的扫描角速度后使其射向目标物；接收组件，接收组件用于接收从目标物反射后的信号并根据信号计算目标物的目标信息。提高激光雷达的点云密度及可靠性。
-
公开(公告)号：CN115082434B
公开(公告)日：2022-12-09
申请号：CN202210857647.0
申请日：2022-07-21
申请人： 浙江华是科技股份有限公司
摘要： 本发明公开一种基于多源特征的磁芯缺陷检测模型训练方法及系统，其中，该方法包括：S101，获取目标磁芯的自然光成像图片和红外线成像图片并作为训练集进行模型训练，得到当前轮磁芯缺陷检测模型；所述模型训练包括：将两个图片进行位置校正，得到校正后的两个图片；将校正后的两个图片分别分成第一预设数量块，并一一对应进行融合，得到第一预设数量个融合特征块；可得到不同成像之间的关系，解决单一成像的局限性；将第一预设数量个融合特征块进行拼接、分块操作，降低缺陷误检和漏检，采用自注意力机制操作和全卷积操作，得到的特征图具有全局性。并且计算得到当前轮的损失值；S102，重复S101直至损失值在预设范围内波动，得到目标磁芯缺陷检测模型。
-
公开(公告)号：CN115082434A
公开(公告)日：2022-09-20
申请号：CN202210857647.0
申请日：2022-07-21
申请人： 浙江华是科技股份有限公司
摘要： 本发明公开一种基于多源特征的磁芯缺陷检测模型训练方法及系统，其中，该方法包括：S101，获取目标磁芯的自然光成像图片和红外线成像图片并作为训练集进行模型训练，得到当前轮磁芯缺陷检测模型；所述模型训练包括：将两个图片进行位置校正，得到校正后的两个图片；将校正后的两个图片分别分成第一预设数量块，并一一对应进行融合，得到第一预设数量个融合特征块；可得到不同成像之间的关系，解决单一成像的局限性；将第一预设数量个融合特征块进行拼接、分块操作，降低缺陷误检和漏检，采用自注意力机制操作和全卷积操作，得到的特征图具有全局性。并且计算得到当前轮的损失值；S102，重复S101直至损失值在预设范围内波动，得到目标磁芯缺陷检测模型。
-
公开(公告)号：CN114627338B
公开(公告)日：2022-09-09
申请号：CN202210525452.6
申请日：2022-05-16
申请人： 浙江华是科技股份有限公司
IPC分类号： G06V10/764 , G06V10/774 , G06K9/62
摘要： 本发明公开一种船舶类别分类模型训练方法、系统及计算机存储介质。该方法包括：S1将原始训练集分成多个小数据集；S2.将多个小数据集分为多组训练样本；S3.将每组训练样本进行训练得到一一对应的多个船舶类别分类模型以及多个难例数据集；S4.将多个船舶类别分类模型进行融合得到预训练模型；S5.加载预训练模型并通过数据增强方法对原始训练集和多个难例数据集进行m轮模型训练，得到当前更新的船舶类别分类模型；S6.对原始测试集训练，得到当前更新的难例数据集，对其和原始训练集进行m+1轮模型训练，得到下一更新的船舶类别分类模型，重复S6进行预设轮模型训练，得到目标船舶类别分类模型。本发明中的目标船舶类别分类模型正确率高，错误率较少。
-
-
-
-
-
-
-
-
-
搜索结果
116 条记录 (耗时 0.046 秒)
