-
公开(公告)号：CN108537206A
公开(公告)日：2018-09-14
申请号：CN201810366071.1
申请日：2018-04-23
申请人： 济南浪潮高新科技投资发展有限公司
摘要： 本发明公开了一种基于卷积神经网络的人脸验证方法，其实现过程为，首先收集训练图像，挑选正类样本，生成正类模板；构造训练集，将收集的训练图像与正类模板进行比对；设计损失函数，通过优化该函数，结合训练集训练卷积神经网络模型，使该卷积神经网络模型可样本对输入；将待验证样本与产生的正类模板构造成一个样本对输入到卷积神经网络中，根据验证结果，确定样本为正类或负类，正类则验证通过，负类则验证不通过。本发明的一种基于卷积神经网络的人脸验证方法与现有技术相比，将单样本输入改为样本对输入，能够学到样本与正类模板的相似性，直接输出样本与正类模板的比对结果，不需要与其他正类样本进行一一比对，可以有效地降低验证时间。
-
公开(公告)号：CN108573238A
公开(公告)日：2018-09-25
申请号：CN201810366905.9
申请日：2018-04-23
申请人： 济南浪潮高新科技投资发展有限公司
摘要： 本发明公开一种基于双网络结构的车辆检测方法，涉及数据处理应用技术领域；利用第一分支网络结构和第二分支网络结构进行车辆检测，第一分支网络结构获得初步的检测结果，判断检测出的车辆目标是否符合小目标车辆，是则发送给第二分支网络结构，否则作为第一分支网络结构的检测结果，第二分支网络结构对第一分支网络结构输入的检测出的车辆目标进行图像预处理，将处理后的图像输入到全卷积神经网络层，利用全卷积神经网络进行像素点分类，根据分类结果，调整检测结果，与第一分支网络结构的检测结果进行合并，获得最后的检测结果，利用本发明方法不仅能近距离进行车辆检测，更能够提高远距离车辆的检测精度，从而推动无人驾驶行业的发展。
-
公开(公告)号：CN108491828A
公开(公告)日：2018-09-04
申请号：CN201810359520.X
申请日：2018-04-20
申请人： 济南浪潮高新科技投资发展有限公司
摘要： 本发明提供一种基于层次的成对相似性PVAnet的停车位检测系统及方法，属于计算机视觉技术领域，在提出的层次的成对相似性PVAnet中，主要由两个网络联合组成。第一个网络的主要框架是PVAnet。在该网络中，首先利用迁移学习学习车辆的特点，然后将车辆的特点融入到PVAnet中。第二个网络是成对检测网络，该网络在第一个网络后面接入用于学习检测出的车辆中心和停车位中心空间位置的相似性关系，从而使得学习出的网络可以对停车位进行有效地识别。本发明提出的方法能够精准地找到停车位，从而有效缓解公共场所停车难问题。
-
公开(公告)号：CN107844782A
公开(公告)日：2018-03-27
申请号：CN201711225933.0
申请日：2017-11-29
申请人： 济南浪潮高新科技投资发展有限公司
CPC分类号： G06K9/00228 , G06K9/00288 , G06K9/6256
摘要： 本发明公开一种基于多任务串行深度网络的人脸识别方法，涉及计算机识别领域；本发明利用建立的识别模型进行人脸识别：采集图像进行人脸检测，将检测到的人脸图像输入到多任务串行网络中，使用多样性分类任务网络对输入的人脸图像进行分类，若分类结果为正脸，则输出识别结果；若分类结果为侧脸，则将侧脸转化为正脸，再输出识别结果利用上述本发明方法针对非可控自然环境下人脸图像的特点，设计有效的人脸识别方法，使其能够高效地对人脸进行正确识别，可用于金融身份验证、智能安防、电子商务等领域，提高产品竞争力同时，更加有助于公司获得良好的经济效益和社会效益。
-
公开(公告)号：CN108596115A
公开(公告)日：2018-09-28
申请号：CN201810392105.4
申请日：2018-04-27
申请人： 济南浪潮高新科技投资发展有限公司
摘要： 本发明提供了一种基于卷积神经网络的车辆检测方法、装置及系统，方法包括：通过全卷积神经网络从待检测图像中分割至少一个车辆图像，并标记各个车辆图像的位置信息；提取车辆图像；检测车辆图像的像素点个数，将像素点个数小于第一设定数值的车辆图像确定为小目标车辆图像；将小目标车辆图像放大第一设定倍数形成放大目标车辆图像；通过子卷积神经网络对放大目标车辆图像进行识别以分割第一精准车辆图像；将第一精准车辆图像缩小第一设定倍数形成目标车辆图像；根据各个车辆图像的位置信息，利用各个目标车辆图像、未被确定为小目标车辆图像的车辆图像与待检测图像集成检测图像。通过本发明的技术方案，可提高形成的检测图像的检测精度。
-
-
-
-
搜索结果
5 条记录 (耗时 0.043 秒)
