-
公开(公告)号：CN107679250B
公开(公告)日：2020-12-01
申请号：CN201711057490.9
申请日：2017-11-01
申请人： 浙江工业大学
IPC分类号： G06F16/583 , G06N3/04 , G06K9/32
摘要： 本发明公开一种基于深度自编码卷积神经网络的多任务分层图像检索方法，其特征在于：主要包括一个用于深度学习和训练识别的多任务端到端的卷积神经网络、一种基于RPN网络对感兴趣区域二次筛选模块的快速视觉分割检测和定位方法、一种全图稀疏哈希码的粗检索、一种基于最大响应的区域感知语义特征和矩阵h的精准比对检索、一种对感兴趣区域选着性比较的算法。本发明能实现端到端的训练，自动选出更高质量的感兴趣区域，有效提高以图搜图的自动化和智能化水平，且用较少的存储空间，较快的检索速度来满足大数据时代的图像检索要求。
-
公开(公告)号：CN105891215A
公开(公告)日：2016-08-24
申请号：CN201610202750.6
申请日：2016-03-31
申请人： 浙江工业大学
IPC分类号： G01N21/88
CPC分类号： G01N21/8851 , G01N2021/8854 , G01N2021/8883 , G01N2021/8887 , G01N2201/1296
摘要： 一种基于卷积神经网络的焊接视觉检测方法，包括如下步骤：第一步，训练阶段，将训练样本输入卷积神经网络，获得卷积神经网络的连接权值和偏置值；第二步，测试阶段，读入焊接图像，对焊接图像采用数字图像处理技术进行预处理，提取出感兴趣区域，然后将感兴趣区域图像尺寸进行归一化处理后作为卷积神经网络的输入。以及提供一种基于卷积神经网络的焊接视觉检测装置，包括爬行机构、动力传动机构、视觉检测设备和焊缝缺陷检测分析系统。本发明提供一种提升自动化和智能化水平、有效提高检测的精度和速度的基于卷积神经网络的焊接视觉检测方法及装置。
-
公开(公告)号：CN108734108A
公开(公告)日：2018-11-02
申请号：CN201810371990.8
申请日：2018-04-24
申请人： 浙江工业大学
摘要： 一种基于SSD网络的裂纹舌识别方法，包括对采集到的舌象进行舌体分割的预处理操作、在训练过程中的数据增强操作、用于舌整体特征提取的深度卷积神经网络、用于对裂纹区域进行预测的候选框生成方法，完成对舌象中裂纹区域的确定，并通过置信度过滤判别其是否为裂纹舌。本发明无需手工定义特征，有效地提高了裂纹舌的识别正确率。
-
公开(公告)号：CN107977671A
公开(公告)日：2018-05-01
申请号：CN201711026169.4
申请日：2017-10-27
申请人： 浙江工业大学
摘要： 一种基于多任务卷积神经网络的舌象分类方法，包括对采集到的舌象进行一系列预处理的图像操作、用于舌整体特征提取的深度卷积神经网络、用于对舌面标签进行检测的感兴趣区域定位网络、用于深度学习和训练识别的多任务深度卷积神经网络，完成对舌象舌色、苔色、苔质的厚薄、腐腻、润燥属性的标签分类。本发明有效的解决了现有方法不能对舌象舌色、苔色、苔质的厚薄、腐腻、润燥等多个属性进行同时识别的多分类问题。
-
公开(公告)号：CN108734108B
公开(公告)日：2021-08-03
申请号：CN201810371990.8
申请日：2018-04-24
申请人： 浙江工业大学
摘要： 一种基于SSD网络的裂纹舌识别方法，包括对采集到的舌象进行舌体分割的预处理操作、在训练过程中的数据增强操作、用于舌整体特征提取的深度卷积神经网络、用于对裂纹区域进行预测的候选框生成方法，完成对舌象中裂纹区域的确定，并通过置信度过滤判别其是否为裂纹舌。本发明无需手工定义特征，有效地提高了裂纹舌的识别正确率。
-
公开(公告)号：CN108108657B
公开(公告)日：2020-10-30
申请号：CN201711135951.X
申请日：2017-11-16
申请人： 浙江工业大学
摘要： 一种基于多任务深度学习的修正局部敏感哈希车辆检索方法，采用多任务端到端的卷积神经网络分段并行对车辆车型、车系、车标、颜色、车牌同时进行识别，基于特征金字塔提取车辆图像实例特征的网络模块，利用修正局部敏感哈希排序算法对数据库中车辆特征进行排序的算法，在无法获取检索车辆图像的跨模态文本检索方法。本发明提出了一种多任务端到端的卷积神经网络和修正局部敏感哈希车辆检索方法，有效提高车辆检索的自动化和智能化水平，且用较少的存储空间，较快的检索速度来满足大数据时代的图像检索要求。
-
公开(公告)号：CN108959522A
公开(公告)日：2018-12-07
申请号：CN201810689362.4
申请日：2018-06-28
申请人： 浙江工业大学
CPC分类号： G06K9/6215
摘要： 一种基于半监督对抗生成网络的迁移检索方法，通过设计对抗生成网络进行跨数据域的哈希检索，其目标是将原始数据集和目标数据集映射到一个共同的汉明空间，使得在一个特定场景中图像检索通过半监督对抗生成网络的学习可迁移到另一场景的检索图像中，从而解决大数据时代下无法充分利用未标记的数据和检索模型只适合单一场景的问题。本发明有效提高图像检索的自动化和智能化水平。
-
公开(公告)号：CN108460328A
公开(公告)日：2018-08-28
申请号：CN201810034357.X
申请日：2018-01-15
申请人： 浙江工业大学
摘要： 一种基于多任务卷积神经网络的套牌车检测方法，利用时空约束得到疑似套牌车辆，接着用Faster R-CNN定位分割出车辆前脸部分图像，然后对疑似套牌车辆的车脸公脸部分(车辆的基本特征)的特征进行比对；在此基础上再对高仿套牌车辆的车脸私脸部分(车检标)的细微特征进行检测比对。本发明有效的解决了仅采用时空约束分析导致的准确度低、问题车辆锁定难的问题，以及单纯基于车辆公有脸比对无法识别高仿套牌车的问题，准确性高、效率快、能够应对高仿套车。
-
公开(公告)号：CN108108657A
公开(公告)日：2018-06-01
申请号：CN201711135951.X
申请日：2017-11-16
申请人： 浙江工业大学
摘要： 一种基于多任务深度学习的修正局部敏感哈希车辆检索方法，采用多任务端到端的卷积神经网络分段并行对车辆车型、车系、车标、颜色、车牌同时进行识别，基于特征金字塔提取车辆图像实例特征的网络模块，利用修正局部敏感哈希排序算法对数据库中车辆特征进行排序的算法，在无法获取检索车辆图像的跨模态文本检索方法。本发明提出了一种多任务端到端的卷积神经网络和修正局部敏感哈希车辆检索方法，有效提高车辆检索的自动化和智能化水平，且用较少的存储空间，较快的检索速度来满足大数据时代的图像检索要求。
-
公开(公告)号：CN108959522B
公开(公告)日：2022-06-17
申请号：CN201810689362.4
申请日：2018-06-28
申请人： 浙江工业大学
IPC分类号： G06F16/583 , G06V10/74 , G06K9/62
摘要： 一种基于半监督对抗生成网络的迁移检索方法，通过设计对抗生成网络进行跨数据域的哈希检索，其目标是将原始数据集和目标数据集映射到一个共同的汉明空间，使得在一个特定场景中图像检索通过半监督对抗生成网络的学习可迁移到另一场景的检索图像中，从而解决大数据时代下无法充分利用未标记的数据和检索模型只适合单一场景的问题。本发明有效提高图像检索的自动化和智能化水平。
-
-
-
-
-
-
-
-
-
搜索结果
15 条记录 (耗时 0.054 秒)
