-
公开(公告)号：CN115965883A
公开(公告)日：2023-04-14
申请号：CN202111179680.4
申请日：2021-10-09
Applicant: 郑州信大先进技术研究院
IPC: G06V20/40 , G06V10/774 , G06V10/74
Abstract: 本发明公开了一种基于Transformer的烟雾检测算法，属于图像识别领域。本发明首先提取视频中的运动区域并对运动区域进行分割；其次获取分割图像块相同位置的连续帧序列图片，并将所有图片展平成一维向量；再额外添加一个分类向量与所有时序向量组输入模型，进行学习训练；最后将训练后的Transformer模型输出分类结果，实现烟雾识别。本发明基于Transformer模型原理对时序图片进行烟雾识别，可以很好地捕获全局信息，并采用并行化处理方式提高了训练速度，同时提高了烟雾识别准确率，能够很好地保证烟雾识别的实时性。
-
公开(公告)号：CN114694129A
公开(公告)日：2022-07-01
申请号：CN202011645112.4
申请日：2020-12-31
Applicant: 郑州信大先进技术研究院
Abstract: 本发明涉及一种基于神经网络的车牌对齐检测方法，属于图像识别技术领域。本发明利用mobilenet网络和yolov4网络的设计思想，构建了mobilenet‑yolov4网络进行车牌检测，除了实现回归车牌的类别和边界框的任务外，另外增加一路任务回归车牌的四个顶点，将预测到的四个顶点透射变换对车牌进行矫正对齐，提高了网络层的复用并减少后续车牌矫正对齐的计算量，网络在减少部分网络层数和卷积核个数的前提下，模型的识别率依然很高，并且检测推理速度大大减小，使车牌检测满足实时高效的要求。
-
Patent Agency Ranking
公开(公告)号：CN114299486B
公开(公告)日：2024-04-16
申请号：CN202111647117.5
申请日：2021-12-30
Applicant: 郑州信大先进技术研究院
IPC: G06V20/62 , G06V30/146 , G06V30/19 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种嵌入式端实时高效的车牌识别方法、设备及介质，所述方法包括以下步骤：读取待识别车牌图像，将所述待识别车牌图像传输至车牌识别网络模型逐层计算后输出车牌识别结果；其中，所述车牌识别网络模型依次包括第一残差块、第二残差块、第三残差块、第四残差块、第五残差块、第六残差块、第七残差块、第八残差块和输出层；所述第一残差块用于对所述待识别车牌图像进行初次卷积计算，获得第一浅层车牌特征；所述第二残差块用于对所述第一浅层车牌特征进行卷积计算，获得第二浅层车牌特征等等；本发明提出的嵌入式端实时高效的车牌识别方法实时性高并且不易受光照的影响，多种字符个数的车牌均可识别，经过验证可以无缝适配到嵌入式端。
-
公开(公告)号：CN116342506A
公开(公告)日：2023-06-27
申请号：CN202310221349.7
申请日：2023-03-09
Applicant: 郑州信大先进技术研究院
IPC: G06T7/00 , G06T7/13 , G06T7/73 , G06T7/90 , G06V10/80 , G06V10/82 , G06V30/148 , G06V30/18 , G06V30/19 , G06N3/045 , G06N3/0464
Abstract: 本发明提供了一种线管识别方法及用于电柜接线考试的图像数据分析方法，所述线管识别方法包括以下步骤：构建号码线管位置检测模型，所述号码线管位置检测模型包括主干网络模块和特征融合模块；获取待检测接线区域对应的目标图像；将所述目标图像输入所述号码线管位置检测模型，得到所述目标图像对应的号码线管的区域位置信息；基于所述目标图像对应的号码线管的区域位置信息，利用OCR单元识别所述目标图像中线管上的字符内容。所述用于电柜接线考试的图像数据分析方法包括以下步骤：应用上述的线管识别方法，获得所述目标图像中线管上的字符内容后，基于目标图像获得线缝识别结果。因此，本发明能够快速且准确地实现线管识别及线缝识别。
-
公开(公告)号：CN114764919A
公开(公告)日：2022-07-19
申请号：CN202110050206.5
申请日：2021-01-14
Applicant: 郑州信大先进技术研究院
IPC: G06V40/10 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于深度学习的行人属性识别方法，属于行人识别技术领域。识别方法包括：构建行人属性识别网络；行人属性识别网络包括主干网络、第一池化层、全连接层，且主干网络和第一池化层之间引入注意力模块；训练行人属性识别网络；根据训练好的行人属性识别网络进行行人属性的识别。本发明进行行人属性识别的行人属性识别网络在主干网络和第一池化层之间引入注意力模块，通过注意力模块对高层语义信息的重要性进行区分后，以便被第一池化层有目的性的选择处理，重视了高层语义信息对应的全局特征，提高了识别的准确性。本发明的行人属性识别网络结构简单，避免的大规模的增加网络结构的复杂性，提高了识别的效率。
-
公开(公告)号：CN114299486A
公开(公告)日：2022-04-08
申请号：CN202111647117.5
申请日：2021-12-30
Applicant: 郑州信大先进技术研究院
Abstract: 本发明提供了一种嵌入式端实时高效的车牌识别方法、设备及介质，所述方法包括以下步骤：读取待识别车牌图像，将所述待识别车牌图像传输至车牌识别网络模型逐层计算后输出车牌识别结果；其中，所述车牌识别网络模型依次包括第一残差块、第二残差块、第三残差块、第四残差块、第五残差块、第六残差块、第七残差块、第八残差块和输出层；所述第一残差块用于对所述待识别车牌图像进行初次卷积计算，获得第一浅层车牌特征；所述第二残差块用于对所述第一浅层车牌特征进行卷积计算，获得第二浅层车牌特征等等；本发明提出的嵌入式端实时高效的车牌识别方法实时性高并且不易受光照的影响，多种字符个数的车牌均可识别，经过验证可以无缝适配到嵌入式端。
-
公开(公告)号：CN115035358A
公开(公告)日：2022-09-09
申请号：CN202110195909.7
申请日：2021-02-20
Applicant: 郑州信大先进技术研究院
IPC: G06V10/774 , G06V20/40 , G06V10/82 , G06N3/04
Abstract: 本发明属于模式识别和计算机视觉技术领域，具体涉及一种目标跟踪方法。该方法首先获取目标视频；然后将当前帧的搜索图像和模板图像输入至训练好的目标跟踪模型中，得到目标在搜索图像中的位置；目标跟踪模型为孪生网络模型，孪生网络模型包括特征提取上分支模块和特征提取下分支模块，分别用于提取搜索图像的特征以得到搜索特征图和提取模板图像的特征以得到模板特征图；且利用已经标注好的视频序列对所述孪生网络模型进行训练，在训练时，两个特征提取分支模块中均插入两个注意力正则化层；最后将目标在搜索图像中的位置映射至目标视频，以确定目标位置。本发明不仅提高了目标跟踪性能，还不增加跟踪速度，保证跟踪效率。
-
-
-
-
-
-
Search Results
7
records
(took 0.033 seconds)
