公开(公告)号：CN116580256A

公开(公告)日：2023-08-11

申请号：CN202310591944.X

申请日：2023-05-24

Applicant: 南京理工大学

Inventor： 茅耀斌 ,  郭敏 ,  项文波 ,  黄尚正 ,  徐依蕊

IPC: G06V10/77 ,  G06V10/80 ,  G06V10/766 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于多任务学习的轻量级指针式表计读数方法，该方法采用GhostNet和MobileNetV2作为轻量化主干特征提取网络；特征融合层结合了SE注意力机制、FPN和转置卷积层，增强了模型的特征表达能力；输出层针对不同功能分支采用了不同的网络结构。本发明将多项任务融合在同一模型中通过多任务学习，同时优化表盘定位、指针和刻度检测以及读数回归等多个目标函数，只利用一个轻量化设计的神经网络模型即可实现端到端的指针式表计定位、指针和关节点检测及读数识别，具有资源消耗低、推理速度快、模型轻量化等特点，尤其适合于在嵌入式系统中的应用。