-
公开(公告)号：CN110689093A
公开(公告)日：2020-01-14
申请号：CN201911254123.7
申请日：2019-12-10
申请人： 北京同方软件有限公司
摘要： 一种复杂场景下的图像目标精细分类方法，涉及图像精细分类领域。本发明的方法步骤为：（一）图像场景的数据预处理；（二）CTreeNet Block特征重标定；（三）CTreeNet Block与CNN融合；（四）网络结构模型的建立；（五）CTreeNet Block之间的损失计算。同现有技术相比，本发明通过CTreeNet网络结构，不仅显式地建模特征通道之间的相互依赖关系，还采用机器学习特征重标定策略，通过XGBoost算法思想来自动获取到每个特征通道的重要程度，然后依照这个重要程度去提升有用的特征并抑制对当前分类任务用处不大的特征，完成对复杂场景中目标的精细分类。
-
公开(公告)号：CN109993304A
公开(公告)日：2019-07-09
申请号：CN201910259127.8
申请日：2019-04-02
申请人： 北京同方软件有限公司
摘要： 一种基于语义分割的检测模型压缩方法，涉及人工智能领域和计算机视觉领域。本发明的方法步骤为：（一）剪枝：1）输入卷积核权重。2）对训练完成的网络模型进行剪枝，获得稀疏权重的参数空间。（二）语义分割：1）对参数空间进行语义分割，获取超参数块和中心词汇，计算超参数块中心位置。2）使用中心词汇更新原有参数空间。3）判断当前中心词汇与上一中心词汇变化是否小于指定阈值，如果大于则继续搜索与中心词汇相近参数，并更新中心词汇返回步骤2）；小于阈值则结束中心词汇更新。（三）模型存储：将训练得到的超参数块边界位置、参数块中心位置、和中心词汇值进行保存。本发明使用超参数对整个参数空间进行描述，实现参数空间的整体压缩，最大化的提高模型整体压缩比。
-
公开(公告)号：CN112329787A
公开(公告)日：2021-02-05
申请号：CN202011413570.5
申请日：2020-12-07
申请人： 北京同方软件有限公司
摘要： 一种基于上文信息关注度的水位尺字符定位方法，涉及人工智能和计算机视觉领域。本发明方法的步骤为：（一）摄像头对水位尺进行图像捕捉；（二）将获取到的位置特征图谱中上层图谱信息与下层图谱信息进行叠加，送入上文信息关注度模块进行字符定位；（三）对位置特征图谱中本层特征及上层所有特征捕获的位置信息进行差异性关注，获得精确的字符位置信息；（四）将抠取完成的图像进行字符识别，获取标尺刻度完成输出。本发明在深度检测器基础上加入上文信息关注度模块，该模块对位置信息特征图谱进行差异性关注，精确定位到水位尺字符所在区域；同时上文信息关注度模块对位置信息进行综合判定，极大的削弱了光照等环境因素变化对检测性能的影响。
-
公开(公告)号：CN111242246B
公开(公告)日：2020-07-28
申请号：CN202010340775.9
申请日：2020-04-27
申请人： 北京同方软件有限公司
摘要： 本发明涉及人工智能领域和计算机视觉领域，是一种基于强化学习和注意力机制的图像分类方法，它使用依次连接的卷积神经网络以及特征选择和分类模块。所述特征选择和分类模块包括工作模块和管理模块两个子模块，工作模块由长短时记忆模型和与之相连接的动作模型组成，管理模块使用LSTM模型。
-
公开(公告)号：CN110675415A
公开(公告)日：2020-01-10
申请号：CN201911230478.2
申请日：2019-12-05
申请人： 北京同方软件有限公司
摘要： 一种基于深度学习增强实例分割的道路积水区域检测方法，涉及智慧城市领域和计算机视觉领域。本发明的方法步骤为：1）数据收集和标注；2）构建Mask R-CNN，划分数据集，以易检测积水样本训练Mask R-CNN；3）构建并训练含有GAN分支的Mask R-CNN；4）利用含有生成器分支的Mask R-CNN进行预测。同现有技术相比，本发明不增加现场设备节约了成本，具有算法实现简便、误差小、检测结果准确的特点。
-
公开(公告)号：CN110633678B
公开(公告)日：2023-12-22
申请号：CN201910883883.8
申请日：2019-09-19
申请人： 北京同方软件有限公司 , 同方股份有限公司
IPC分类号： G06V20/40 , G06V10/774 , G06N3/08 , G08G1/01
摘要： 一种基于视频图像的快速高效的车流量计算方法，涉及基于视频图像的目标检测、应用于交通场景下的视频监控数据的智能事件分析系统以及交通参数计算系统。本发明通过安装在道路上的摄像机或者图像采集卡设备收集到车辆视频图像并对其进行处理分析，它的方法步骤为：一、生成路面区域及摄像机位置；二、生成原始采样图；三、透视变换；四、轻型稀疏卷积神经网络算法模型训练；五、上下行统计；六、模型预测。同现有技术相比，本发明能实现多场景下、不同天气情况下、不同路面状态下的快速交通流量计算，具有检测精度高、实时性好、效率高的特点。
-
公开(公告)号：CN110689093B
公开(公告)日：2020-04-21
申请号：CN201911254123.7
申请日：2019-12-10
申请人： 北京同方软件有限公司
摘要： 一种复杂场景下的图像目标精细分类方法，涉及图像精细分类领域。本发明的方法步骤为：（一）图像场景的数据预处理；（二）CTreeNet Block特征重标定；（三）CTreeNet Block与CNN融合；（四）网络结构模型的建立；（五）CTreeNet Block之间的损失计算。同现有技术相比，本发明通过CTreeNet网络结构，不仅显式地建模特征通道之间的相互依赖关系，还采用机器学习特征重标定策略，通过XGBoost算法思想来自动获取到每个特征通道的重要程度，然后依照这个重要程度去提升有用的特征并抑制对当前分类任务用处不大的特征，完成对复杂场景中目标的精细分类。
-
公开(公告)号：CN112686207B
公开(公告)日：2024-02-27
申请号：CN202110085069.9
申请日：2021-01-22
申请人： 北京同方软件有限公司
IPC分类号： G06V20/10 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
摘要： 一种基于区域信息增强的城市街道场景目标检测方法，涉及人工智能领域和计算机视觉领域。本发明的方法步骤为：1）将训练数据中加入白天数据。2）输出目标位置编码segmask，检测输出网络Detection Block输出类别预测模块cls和尺寸回归模块size。3）检测算法优化，a)对网络模型参数进行初始化。b)前向输出目标类别和检测框；过滤、输出最终的检测结果。本发明设计目标检测深度学习网络，训练城市街道场景检测模型，配合以视频智能分析静态视频帧目标检测技术的智能系统和动态视频中目标行为分析技术，设计出适应白天、夜间全场景下的各类事件的检测系统，准确快速的完成违规事件的自动检测，有效避免目标的误检、漏检。
-
公开(公告)号：CN112686207A
公开(公告)日：2021-04-20
申请号：CN202110085069.9
申请日：2021-01-22
申请人： 北京同方软件有限公司
摘要： 一种基于区域信息增强的城市街道场景目标检测方法，涉及人工智能领域和计算机视觉领域。本发明的方法步骤为：1）将训练数据中加入白天数据。2）输出目标位置编码segmask，检测输出网络Detection Block输出类别预测模块cls和尺寸回归模块size。3）检测算法优化，a)对网络模型参数进行初始化。b)前向输出目标类别和检测框；过滤、输出最终的检测结果。本发明设计目标检测深度学习网络，训练城市街道场景检测模型，配合以视频智能分析静态视频帧目标检测技术的智能系统和动态视频中目标行为分析技术，设计出适应白天、夜间全场景下的各类事件的检测系统，准确快速的完成违规事件的自动检测，有效避免目标的误检、漏检。
-
公开(公告)号：CN111242246A
公开(公告)日：2020-06-05
申请号：CN202010340775.9
申请日：2020-04-27
申请人： 北京同方软件有限公司
摘要： 本发明涉及人工智能领域和计算机视觉领域，是一种基于强化学习和注意力机制的图像分类方法，它使用依次连接的卷积神经网络以及特征选择和分类模块。所述特征选择和分类模块包括工作模块和管理模块两个子模块，工作模块由长短时记忆模型和与之相连接的动作模型组成，管理模块使用LSTM模型。
-
-
-
-
-
-
-
-
-
搜索结果
16 条记录 (耗时 0.033 秒)
