-
公开(公告)号：CN109785337A
公开(公告)日：2019-05-21
申请号：CN201811588576.9
申请日：2018-12-25
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于实例分割算法的栏内哺乳动物清点方法，属于计算机视觉领域；本发明通过摄像头将栏内哺乳动物的图像采集并发送到工作站中；然后选取目标轮廓清晰的图像，并将图像分为训练集、验证集和测试集，作为数据集用于模型训练；其次通过深度学习的实例分割算法，生成用于测试的分割模型；将测试集图像依次输入训练生成的分割模型，进行预测，输出测试结果和测试效果图；在测试完成后，自动保存测试效果图；最后通过对测试结果中目标边界框进行计数，进而实现对图像中目标数量的清点，本发明利用神经网络训练模型，避免了复杂的图像预处理步骤，有效提高了遮挡目标的识别准确率。
-
公开(公告)号：CN109785337B
公开(公告)日：2021-07-06
申请号：CN201811588576.9
申请日：2018-12-25
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于实例分割算法的栏内哺乳动物清点方法，属于计算机视觉领域；本发明通过摄像头将栏内哺乳动物的图像采集并发送到工作站中；然后选取目标轮廓清晰的图像，并将图像分为训练集、验证集和测试集，作为数据集用于模型训练；其次通过深度学习的实例分割算法，生成用于测试的分割模型；将测试集图像依次输入训练生成的分割模型，进行预测，输出测试结果和测试效果图；在测试完成后，自动保存测试效果图；最后通过对测试结果中目标边界框进行计数，进而实现对图像中目标数量的清点，本发明利用神经网络训练模型，避免了复杂的图像预处理步骤，有效提高了遮挡目标的识别准确率。
-
Search Results
2
records
(took 0.017 seconds)
