-
公开(公告)号：CN113591866A
公开(公告)日：2021-11-02
申请号：CN202110865778.9
申请日：2021-07-29
申请人： 云南大学
摘要： 本发明公开了一种基于DB与CRNN的特种作业证件检测方法及系统，该方法包括：将每张目标特种作业证件图像输入到DB文本检测网络模型，以确定每张目标特种作业证件图像对应的文本框数据集合；将每张目标特种作业证件图像以及每张目标特种作业证件图像对应的文本框数据集合输入到CRNN文本识别网络模型中，以确定每张所述目标特种作业证件图像中每个所述目标文本框内的文本信息。DB文本检测网络中的Backbone模块采用的是MobileNetV3‑large结构；CRNN文本识别网络中的CNN模块的部分结构采用的是MobileNetV3‑small结构。本发明能够达到降低人工工作量并提高证件图像检测效率的目的。
-
公开(公告)号：CN113627302A
公开(公告)日：2021-11-09
申请号：CN202110883844.5
申请日：2021-08-03
申请人： 云南大学
摘要： 本发明涉及一种登高施工合规性检测方法及系统，所述方法包括：构建数据集；所述数据集包括：训练集和测试集；基于所述训练集对神经网络进行训练；获取施工图像；将所述施工图像输入至训练好的神经网络，得到爬梯人实例的数量和扶梯人实例的数量；根据所述爬梯人实例的数量和扶梯人实例的数量判断是否合规。本发明中的上述方法利用MaskR‑CNN模型学习并识别图像中登高施工中施工人员的动作；建立识别结果与审查结果的逻辑关系，基于MaskR‑CNN识别结果对施工是否合规进行判断，减少了人工筛选工作量，提高了识别精度。
-
公开(公告)号：CN113591866B
公开(公告)日：2023-07-07
申请号：CN202110865778.9
申请日：2021-07-29
申请人： 云南大学
IPC分类号： G06V30/148 , G06V30/14 , G06V30/19 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N3/0442
摘要： 本发明公开了一种基于DB与CRNN的特种作业证件检测方法及系统，该方法包括：将每张目标特种作业证件图像输入到DB文本检测网络模型，以确定每张目标特种作业证件图像对应的文本框数据集合；将每张目标特种作业证件图像以及每张目标特种作业证件图像对应的文本框数据集合输入到CRNN文本识别网络模型中，以确定每张所述目标特种作业证件图像中每个所述目标文本框内的文本信息。DB文本检测网络中的Backbone模块采用的是MobileNetV3‑large结构；CRNN文本识别网络中的CNN模块的部分结构采用的是MobileNetV3‑small结构。本发明能够达到降低人工工作量并提高证件图像检测效率的目的。
-
公开(公告)号：CN113627302B
公开(公告)日：2023-07-18
申请号：CN202110883844.5
申请日：2021-08-03
申请人： 云南大学
IPC分类号： G06V40/20 , G06V10/26 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084 , G06T7/00
摘要： 本发明涉及一种登高施工合规性检测方法及系统，所述方法包括：构建数据集；所述数据集包括：训练集和测试集；基于所述训练集对神经网络进行训练；获取施工图像；将所述施工图像输入至训练好的神经网络，得到爬梯人实例的数量和扶梯人实例的数量；根据所述爬梯人实例的数量和扶梯人实例的数量判断是否合规。本发明中的上述方法利用MaskR‑CNN模型学习并识别图像中登高施工中施工人员的动作；建立识别结果与审查结果的逻辑关系，基于MaskR‑CNN识别结果对施工是否合规进行判断，减少了人工筛选工作量，提高了识别精度。
-
-
-
搜索结果
4 条记录 (耗时 0.019 秒)
