-
公开(公告)号：CN117726671A
公开(公告)日：2024-03-19
申请号：CN202311546228.6
申请日：2023-11-17
申请人： 上海应用技术大学
摘要： 本发明涉及一种基于机器视觉的线路线径的检测方法，包括以下步骤：构建线路实例图像的数据集，利用标注工具对线路以及参考板的位置和类别进行标注；训练目标分割模型，通过所述目标分割模型将线路以及参考板分割，得到线路以及参考板的二值图像；处理所述二值图像，保留x方向的线路；对所述二值图像中的线路进行定位和排序；对线路的轮廓进行像素点计算，得到线路轮廓的像素和；对参考板的轮廓进行像素点计算，得到参照板的像素和；根据参考板的大小、所述线路轮廓的像素和、参照板的像素和，计算线路实例的线径大小。与现有技术相比，本发明具有有效提高了检测精度和准确性，减少了人工干预的时间和工作量，提高了检测效率等优点。
-
公开(公告)号：CN116246341A
公开(公告)日：2023-06-09
申请号：CN202310025040.0
申请日：2023-01-09
申请人： 上海应用技术大学
摘要： 本发明涉及一种基于多级状态特征优化的手语识别方法，构建手语识别模型对手语进行识别，手语识别模型包括依次连接的Resnet‑18网络、两级Gloss编码器和CTC解码器，在处理过程中更加高效，同时该结构对于用户的输入图像帧尺寸不做限制，更适合实际部署应用；方法参考了手语语义的构成规则，利用两级Gloss编码器将图像帧序列按照语义规则进行二次构建，对手语特征之间的关联性深入挖掘；通过多个特征状态优化的决策融合机制，对模型的局部特征和全局输出进行联合优化，得到最后的识别效果。
-
公开(公告)号：CN115147663B
公开(公告)日：2024-10-22
申请号：CN202210892616.9
申请日：2022-07-27
申请人： 上海应用技术大学
IPC分类号： G06V10/764 , G06V10/40 , G06V10/80 , G06V10/82
摘要： 本发明涉及数字图像处理、计算机视觉领域，具体涉及一种基于构图特征辅助的绘画作品风格分类方法。所述绘画作品风格分类方法对样本图像数据进行分类和标注，划分风格类别；构建构图特征辅助的多层级特征融合双网络结构体系；建立风格特征分类器，从而实现对于绘画作品的风格分类预测。本发明无需实时人工对绘画作品进行风格判断和标记就能够获得符合艺术风格分类的预测。并且，本发明所使用的分类方法具有预测速度快、执行可行性强等优点。
-
公开(公告)号：CN115240067A
公开(公告)日：2022-10-25
申请号：CN202210715612.3
申请日：2022-06-23
申请人： 上海应用技术大学
摘要： 本发明公开了一种利用隔帧差分法自动检测高空坠物的方法，步骤包括：读取视频连续三帧图像，判断视频是否存在抖动；对存在抖动的视频去抖动处理，将帧间抖动差值之间插值平滑，将平滑后的结果补偿到原始帧流中；计算高空坠物在监控视频中最小停留帧数为F；计算最佳间隔帧数、对当前帧去噪选定运动前景、判断干扰物；修正干扰因素，判断出坠物与干扰物，存储前景轮廓中心位置；计算坠物个数。相比一般的移动物体检测方法，此方法不仅顾及到了监控系统算力要求，而且根据监控视频中静止画面多的特点和坠物下落的规律进行了针对性的设计，能快速地处理监控视频，弥补了现有移动物体检测算法因依赖深度学习而对计算设备要求过高的问题。
-
公开(公告)号：CN117333783A
公开(公告)日：2024-01-02
申请号：CN202311269495.3
申请日：2023-09-28
申请人： 上海应用技术大学
IPC分类号： G06V20/17 , G06V10/26 , G06V10/774 , G06V10/82 , G06N3/08
摘要： 本发明涉及一种多无人机协同风机叶片定位和缺陷检测方法和装置，方法包括：S1、获取训练集；S2、进行训练，得到图像分割模型和缺陷检测模型，部署图像分割模型和缺陷检测模型；S3、多个无人机获取实际的风机叶片图像，将实际的风机叶片图像输入图像分割模型，在图像中识别出一个或多个动态风机叶片并进行编号，根据风机叶片的位姿调节无人机的位置；S4、调节位置后的无人机按照检测要求的拍摄频率获取待检测的风机叶片图像，将待检测的风机叶片图像输入缺陷检测模型，得到完整的整体缺陷图，基于整体缺陷图对叶片进行维护，返回S3，反之，直接返回S3。与现有技术相比，本发明具有提高风机叶片缺陷检测效率等优点。
-
公开(公告)号：CN115147663A
公开(公告)日：2022-10-04
申请号：CN202210892616.9
申请日：2022-07-27
申请人： 上海应用技术大学
IPC分类号： G06V10/764 , G06V10/40 , G06V10/80 , G06V10/82
摘要： 本发明涉及数字图像处理、计算机视觉领域，具体涉及一种基于构图特征辅助的绘画作品风格分类方法。所述绘画作品风格分类方法对样本图像数据进行分类和标注，划分风格类别；构建构图特征辅助的多层级特征融合双网络结构体系；建立风格特征分类器，从而实现对于绘画作品的风格分类预测。本发明无需实时人工对绘画作品进行风格判断和标记就能够获得符合艺术风格分类的预测。并且，本发明所使用的分类方法具有预测速度快、执行可行性强等优点。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.021 秒)
