-
公开(公告)号：CN107590449A
公开(公告)日：2018-01-16
申请号：CN201710767612.7
申请日：2017-08-31
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于加权特征谱融合的手势检测方法,属于图像处理及识别领域。本发明设计了小网络，对小网络进行了速度和精度上面的优化，保证网络满足手势检测的特征提取的要求，也保证了网络运行的速度。由于底层特征包含了丰富的颜色和形状特征信息，对于手势检测精度有这很大的影响，本发明提出使用加权特征融合的方法，低层特征依次通过降采样模块和加权模块再与高层特征进行级联，使用加权模块让网络自动学习高层特征和低层特征的重要性，避免不同层特征简单级联带来尺度不一致带来的问题，影响原始网络的特征提取。
-
公开(公告)号：CN107688808B
公开(公告)日：2021-07-06
申请号：CN201710665997.6
申请日：2017-08-07
Applicant: 电子科技大学
Abstract: 该发明公开了一种快速的自然场景文本检测方法，涉及图像处理领域，特别是用于文本检测的卷积神经网络的新型应用技术。提出一个快速的特征提取小网络，使用inception模块，采用小卷积核，减少参数，缩小网络，加快运行速度。添加一个反卷积层用于融合多尺度信息，提高检测精度。检测阶段采用基于SSD的检测框架，对预置框的宽高比例进行改进，采用了适应文本特征的比例。本发明提出的方法在公开数据集上进行测试，验证了方法的有效性和实时性。
-
Patent Agency Ranking
公开(公告)号：CN107527031B
公开(公告)日：2021-02-05
申请号：CN201710724937.7
申请日：2017-08-22
Applicant: 电子科技大学
Abstract: 该发明公开了一种基于SSD的室内目标检测方法,属于目标识别领域,是一种用于室内目标检测的卷积神经网络的新型应用方法。本发明解决的是室内目标检测，然而目前没有标注好的符合本实验要求的数据库，为此构建了一个与室内目标相关的数据库，该数据库的所有图像都是以视野较开阔的角度采样的，符合智能机器人的正常视角，在背景、光照以及图像尺寸等方面又具有差异性。对室内常见目标冰箱、电视、床、餐桌、椅子、沙发、茶几、马桶、洗漱台、浴池、杯子等进行了人工标注；采用获得的图像训练特征提取网络和检测器，最后采用训练好的特征提取网络和检测器对待识别目标进行检测。
-
公开(公告)号：CN107578060B
公开(公告)日：2020-12-29
申请号：CN201710692917.6
申请日：2017-08-14
Applicant: 电子科技大学
Abstract: 该发明公开了一种基于可判别区域的深度神经网络用于菜品图像分类的方法，涉及图像处理领域。融合了显著谱池化操作，同时对底层特征、高层特征在网络中加以融合。采用了卷积核填充操作，有效保留特征谱上的重要信息的同时，匹配全连接层的数据维度，使其在训练阶段能够利用VGG‑16的预训练模型，提高训练效率和网络收敛速度。基于我们构建的数据库学习到的模型，对每一幅待分类图像进行归一化处理，利用训练好的卷积神经网络对该图像进行测试，采用Softmax损失衡量分类精度，得到该图像的分类结果，对比所有测试图像中目标的真实类别和预测类别，计算得到分类准确率。本发明提出的方法在自建的数据集CFOOD90上进行测试，验证了方法的有效性和实时性。
-
公开(公告)号：CN107578060A
公开(公告)日：2018-01-12
申请号：CN201710692917.6
申请日：2017-08-14
Applicant: 电子科技大学
Abstract: 该发明公开了一种基于可判别区域的深度神经网络用于菜品图像分类的方法，涉及图像处理领域。融合了显著谱池化操作，同时对底层特征、高层特征在网络中加以融合。采用了卷积核填充操作，有效保留特征谱上的重要信息的同时，匹配全连接层的数据维度，使其在训练阶段能够利用VGG-16的预训练模型，提高训练效率和网络收敛速度。基于我们构建的数据库学习到的模型，对每一幅待分类图像进行归一化处理，利用训练好的卷积神经网络对该图像进行测试，采用Softmax损失衡量分类精度，得到该图像的分类结果，对比所有测试图像中目标的真实类别和预测类别，计算得到分类准确率。本发明提出的方法在自建的数据集CFOOD90上进行测试，验证了方法的有效性和实时性。
-
公开(公告)号：CN107527031A
公开(公告)日：2017-12-29
申请号：CN201710724937.7
申请日：2017-08-22
Applicant: 电子科技大学
Abstract: 该发明公开了一种基于SSD的室内目标检测方法,属于目标识别领域,是一种用于室内目标检测的卷积神经网络的新型应用方法。本发明解决的是室内目标检测，然而目前没有标注好的符合本实验要求的数据库，为此构建了一个与室内目标相关的数据库，该数据库的所有图像都是以视野较开阔的角度采样的，符合智能机器人的正常视角，在背景、光照以及图像尺寸等方面又具有差异性。对室内常见目标冰箱、电视、床、餐桌、椅子、沙发、茶几、马桶、洗漱台、浴池、杯子等进行了人工标注；采用获得的图像训练特征提取网络和检测器，最后采用训练好的特征提取网络和检测器对待识别目标进行检测。
-
公开(公告)号：CN107688808A
公开(公告)日：2018-02-13
申请号：CN201710665997.6
申请日：2017-08-07
Applicant: 电子科技大学
CPC classification number: G06K9/325 , G06K9/2072 , G06K9/3258 , G06N3/0454
Abstract: 该发明公开了一种快速的自然场景文本检测方法，涉及图像处理领域，特别是用于文本检测的卷积神经网络的新型应用技术。提出一个快速的特征提取小网络，使用inception模块，采用小卷积核，减少参数，缩小网络，加快运行速度。添加一个反卷积层用于融合多尺度信息，提高检测精度。检测阶段采用基于SSD的检测框架，对预置框的宽高比例进行改进，采用了适应文本特征的比例。本发明提出的方法在公开数据集上进行测试，验证了方法的有效性和实时性。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
