-
公开(公告)号：CN113469951B
公开(公告)日：2022-08-16
申请号：CN202110638698.X
申请日：2021-06-08
申请人： 燕山大学
IPC分类号： G06T7/00 , G06T7/136 , G06T7/62 , G01N23/04 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于级联区域卷积神经网络的轮毂缺陷检测方法，包括如下步骤：S1、采集轮毂X光图像；S2、采用自适应阈值分割对轮毂X光图像进行预处理；S3、训练并优化轻量级卷积神经网络模型，用训练和优化后的模型对轮毂X光图像进行初步筛选，如有严重缺陷则过检失败，回炉重铸，非严重缺陷则进行轮毂缺陷检测；S4、建立基于级联区域卷积神经网络的缺陷检测模型，基于级联区域卷积神经网络的缺陷检测模型包括特征提取网络、特征金字塔网络以及级联检测器；S5、获取轮毂缺陷信息并计算缺陷面积，根据轮毂缺陷所在位置和缺陷大小对轮毂缺陷划分等级，本发明实现了铝合金轮毂缺陷的实时检测，以满足轮毂全自动生产的需求。
-
公开(公告)号：CN114038059B
公开(公告)日：2024-05-24
申请号：CN202111316896.0
申请日：2021-11-09
申请人： 燕山大学
IPC分类号： G06V40/20 , G06V40/10 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明公开了一种基于双帧速率分治行为识别网络的动态手势识别方法，采用一种双通道三维卷积神经网络模型来提取动态手势的时空特征，所使用的输入设备为普通的USB摄像头采集的视频帧序列，通过普通USB摄像头采集手势图像和视频进能够完成手势识别，相较于使用3D传感器大大节省了设备成本，旨在能够广泛的应用于多种领域。同时本发明根据目前手势人机交互常使用的手势种类定义诸如向左、向右、确定等手势，是一种通过深度学习实现的分类问题，本发明根据常见的人机交互指令创建的手势视频数据集，在采集过程中考虑到不同场景和角度的应用情况，在虚拟现实和智能办公领域保持良好的识别准确率。
-
公开(公告)号：CN114038059A
公开(公告)日：2022-02-11
申请号：CN202111316896.0
申请日：2021-11-09
申请人： 燕山大学
摘要： 本发明公开了一种基于双帧速率分治行为识别网络的动态手势识别方法，采用一种双通道三维卷积神经网络模型来提取动态手势的时空特征，所使用的输入设备为普通的USB摄像头采集的视频帧序列，通过普通USB摄像头采集手势图像和视频进能够完成手势识别，相较于使用3D传感器大大节省了设备成本，旨在能够广泛的应用于多种领域。同时本发明根据目前手势人机交互常使用的手势种类定义诸如向左、向右、确定等手势，是一种通过深度学习实现的分类问题，本发明根据常见的人机交互指令创建的手势视频数据集，在采集过程中考虑到不同场景和角度的应用情况，在虚拟现实和智能办公领域保持良好的识别准确率。
-
公开(公告)号：CN113469951A
公开(公告)日：2021-10-01
申请号：CN202110638698.X
申请日：2021-06-08
申请人： 燕山大学
摘要： 本发明公开了一种基于级联区域卷积神经网络的轮毂缺陷检测方法，包括如下步骤：S1、采集轮毂X光图像；S2、采用自适应阈值分割对轮毂X光图像进行预处理；S3、训练并优化轻量级卷积神经网络模型，用训练和优化后的模型对轮毂X光图像进行初步筛选，如有严重缺陷则过检失败，回炉重铸，非严重缺陷则进行轮毂缺陷检测；S4、建立基于级联区域卷积神经网络的缺陷检测模型，基于级联区域卷积神经网络的缺陷检测模型包括特征提取网络、特征金字塔网络以及级联检测器；S5、获取轮毂缺陷信息并计算缺陷面积，根据轮毂缺陷所在位置和缺陷大小对轮毂缺陷划分等级，本发明实现了铝合金轮毂缺陷的实时检测，以满足轮毂全自动生产的需求。
-
公开(公告)号：CN114067434B
公开(公告)日：2024-05-24
申请号：CN202111339429.X
申请日：2021-11-12
申请人： 燕山大学
IPC分类号： G06V40/20 , G06V20/40 , G06V10/82 , G06N3/0442 , G08B21/04
摘要： 本发明公开了基于深度时空卷积自编码器的跌倒行为检测方法及装置，属于数字图像识别技术领域，该方法包括：预处理正常活动的视频帧数据；对预处理正常活动的视频帧数据后的数据降噪处理；采用3D卷积构建深度时空卷积自编码器跌倒异常检测模型；训练深度时空卷积自编码器跌倒异常检测模型；识别视频帧有跌倒异常；该装置包括视频帧采集模块、预处理模块、降噪模块、构建模块、训练模块以及识别模块，本发明把跌倒检测视为一个异常检测问题，因为跌倒在平时生活中比较少见，导致样本类别不均衡，因此把异常检测应用在跌倒问题可以平衡样本的类别并显示出更好的检测效果。
-
公开(公告)号：CN114067434A
公开(公告)日：2022-02-18
申请号：CN202111339429.X
申请日：2021-11-12
申请人： 燕山大学
摘要： 本发明公开了基于深度时空卷积自编码器的跌倒行为检测方法及装置，属于数字图像识别技术领域，该方法包括：预处理正常活动的视频帧数据；对预处理正常活动的视频帧数据后的数据降噪处理；采用3D卷积构建深度时空卷积自编码器跌倒异常检测模型；训练深度时空卷积自编码器跌倒异常检测模型；识别视频帧有跌倒异常；该装置包括视频帧采集模块、预处理模块、降噪模块、构建模块、训练模块以及识别模块，本发明把跌倒检测视为一个异常检测问题，因为跌倒在平时生活中比较少见，导致样本类别不均衡，因此把异常检测应用在跌倒问题可以平衡样本的类别并显示出更好的检测效果。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.019 秒)