-
公开(公告)号：CN109711241A
公开(公告)日：2019-05-03
申请号：CN201811280331.X
申请日：2018-10-30
申请人： 百度在线网络技术(北京)有限公司
摘要： 本申请实施例公开了一种物体检测方法、装置与电子设备，该方法包括：将视频流中连续的N帧图像依次输入到检测模型中，获得每帧图像的M个特征图；针对每帧图像，将该帧图像的M个特征图的尺度缩放到统一尺度，并对尺度统一的M个特征图进行融合，输入到所述检测模型中的预测模块中，获得该帧图像的物体检测结果；将所述N帧图像的物体检测结果进行比较，确定目标物体。在实现对较大物体的准确检测的基础上，实现对小物体的准确检测。同时，将N帧图像的物体检测结果进行比较，进而对视频流中模糊图像的误检测结果进行过滤，实现目标物体的准确检测。
-
公开(公告)号：CN109117742A
公开(公告)日：2019-01-01
申请号：CN201810805273.1
申请日：2018-07-20
申请人： 百度在线网络技术(北京)有限公司
摘要： 本发明提供一种手势检测模型处理方法、装置、设备及存储介质，本发明的方法，通过获取训练集合，所述训练集合包括至少一组包括训练图像及训练图像的标注数据的训练数据；根据训练集合中各训练图像和训练图像的标注数据，对卷积神经网络进行训练，得到手势检测模型；通过将待检测图像输入手势检测模型，即可检测出待检测图像中手势的手势类型和位置，实现了对于不包括深度信息的待检测图像的手势识别，无需使用包含深度信息的硬件单元，降低了成本，且相较于现有技术采用聚类方法进行手势检测，本实施例通过卷积神经网络模型进行手势检测提高了手势检测的精度和效率。
-
公开(公告)号：CN109711241B
公开(公告)日：2021-07-20
申请号：CN201811280331.X
申请日：2018-10-30
申请人： 百度在线网络技术(北京)有限公司
摘要： 本申请实施例公开了一种物体检测方法、装置与电子设备，该方法包括：将视频流中连续的N帧图像依次输入到检测模型中，获得每帧图像的M个特征图；针对每帧图像，将该帧图像的M个特征图的尺度缩放到统一尺度，并对尺度统一的M个特征图进行融合，输入到所述检测模型中的预测模块中，获得该帧图像的物体检测结果；将所述N帧图像的物体检测结果进行比较，确定目标物体。在实现对较大物体的准确检测的基础上，实现对小物体的准确检测。同时，将N帧图像的物体检测结果进行比较，进而对视频流中模糊图像的误检测结果进行过滤，实现目标物体的准确检测。
-
公开(公告)号：CN108038880B
公开(公告)日：2019-12-13
申请号：CN201711387870.9
申请日：2017-12-20
申请人： 百度在线网络技术(北京)有限公司
摘要： 本申请实施例公开了用于处理图像的方法和装置。该方法的一具体实施方式包括：获取包括多边形图像的目标图像；将目标图像输入至预先训练的卷积神经网络，得到目标图像的特征向量，其中，卷积神经网络用于表征图像与特征向量的对应关系，特征向量是包括多边形图像的类别特征、位置特征以及关键点特征的向量；基于类别特征、位置特征以及关键点特征，识别多边形图像的图像区域。该实施方式提高了多边形图像识别的准确率。
-
公开(公告)号：CN108038880A
公开(公告)日：2018-05-15
申请号：CN201711387870.9
申请日：2017-12-20
申请人： 百度在线网络技术(北京)有限公司
摘要： 本申请实施例公开了用于处理图像的方法和装置。该方法的一具体实施方式包括：获取包括多边形图像的目标图像；将目标图像输入至预先训练的卷积神经网络，得到目标图像的特征向量，其中，卷积神经网络用于表征图像与特征向量的对应关系，特征向量是包括多边形图像的类别特征、位置特征以及关键点特征的向量；基于类别特征、位置特征以及关键点特征，识别多边形图像的图像区域。该实施方式提高了多边形图像识别的准确率。
-
公开(公告)号：CN109117742B
公开(公告)日：2022-12-27
申请号：CN201810805273.1
申请日：2018-07-20
申请人： 百度在线网络技术(北京)有限公司
IPC分类号： G06V40/20 , G06V40/10 , G06V10/764
摘要： 本发明提供一种手势检测模型处理方法、装置、设备及存储介质，本发明的方法，通过获取训练集合，所述训练集合包括至少一组包括训练图像及训练图像的标注数据的训练数据；根据训练集合中各训练图像和训练图像的标注数据，对卷积神经网络进行训练，得到手势检测模型；通过将待检测图像输入手势检测模型，即可检测出待检测图像中手势的手势类型和位置，实现了对于不包括深度信息的待检测图像的手势识别，无需使用包含深度信息的硬件单元，降低了成本，且相较于现有技术采用聚类方法进行手势检测，本实施例通过卷积神经网络模型进行手势检测提高了手势检测的精度和效率。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.038 秒)
