一种车辆搜索方法及装置

    公开(公告)号:CN106469299B

    公开(公告)日:2019-07-19

    申请号:CN201610798016.0

    申请日:2016-08-31

    Abstract: 本发明公开了一种车辆搜索方法及装置,可以计算目标车辆的第一图像与包含被搜索车辆的若干第二图像的外观相似度距离;从若干第二图像中选定若干图像作为若干第三图像;采用预设的Siamese神经网络模型,获得第一图像与每一第三图像中的车牌区域对应的车牌特征;根据车牌特征,计算第一图像与每一第三图像的车牌特征相似度距离;根据外观相似度距离和车牌特征相似度距离,计算第一图像与每一第三图像的视觉相似度距离;将若干第三图像按视觉相似度距离的大小升序排列,获得目标车辆的第一搜索结果。应用本发明提供的方案,不仅不受应用场景的限制,还提高了车辆搜索速度和准确度,同时降低了采集车辆图像的摄像头及辅助设备等硬件的要求。

    图像识别方法及装置、计算机装置和计算机可读存储介质

    公开(公告)号:CN107871143B

    公开(公告)日:2019-06-28

    申请号:CN201711132067.0

    申请日:2017-11-15

    Inventor: 杨茜 牟永强

    CPC classification number: G06F16/583 G06K9/4652 G06K9/6215 G06K9/6223

    Abstract: 一种图像识别方法,所述方法包括:对查询图像与数据库图像进行区域划分;计算查询图像与数据库图像的每个区域的每个像素点的对数相对RGB坐标;根据查询图像与数据库图像的每个区域的每个像素点的对数相对RGB坐标对查询图像与数据库图像的每个区域内的像素点进行聚类,得到查询图像与数据库图像的每个区域的聚类中心;根据查询图像与数据库图像的每个区域的聚类中心确定查询图像与数据库图像是否匹配。本发明还提供一种图像识别装置、计算机装置及可读存储介质。本发明可以实现快速高鲁棒性高抗干扰性的图像识别。

    一种基于弱监督学习的图像语义解析方法

    公开(公告)号:CN109657684A

    公开(公告)日:2019-04-19

    申请号:CN201811577772.6

    申请日:2018-12-20

    Abstract: 本发明公开了一种基于弱监督学习的图像语义解析方法,包括以下步骤;步骤一、将图像分割成45-55个大小适中的块,提取具有判别力的区域特征;步骤二、采用线性分类器作为判别的聚类方式;步骤三、将分割后的图像区域特征进行聚类,将聚类后的图像集划分为若干个类别的子区域;步骤四、将同一类别的子区域聚在一类得出结果;步骤五、输出语义一致的图像区域进行合并,得到图像的最终解析结果。本发明提供了一种基于弱监督学习的图像语义解析方法,通过分割方法得到的图像子区域进行聚类,利用图像级别标注与图像子区域标签的关系建立了误差最小化的弱监督学习模型,为各图像子区域分配语义标签,可以达到精度高,准确度高。

    一种高分辨率遥感影像路口自动识别方法

    公开(公告)号:CN109635722A

    公开(公告)日:2019-04-16

    申请号:CN201811506319.6

    申请日:2018-12-10

    CPC classification number: G06K9/00651 G06K9/4652 G06K9/4671 G06K9/6269

    Abstract: 本发明公开一种高分辨率遥感影像路口自动识别方法,其包括以下步骤:S1,道路基元提取;S2,连通道路骨架:连接邻近道路基元,形成完整道路骨架;S3,生成候选路口坐标:对提取的道路骨架进行细化操作,获取道路骨架交叉点,并作为候选路口坐标;S4,构建路口相似度指数;S5,基于分块矩形旋转模型识别路口。本发明无需人工干预,能够自动提取路口,提取的准确性和完整性均优于现有同类研究成果。

    一种青稞条纹病的识别方法

    公开(公告)号:CN109598274A

    公开(公告)日:2019-04-09

    申请号:CN201910015815.X

    申请日:2019-01-08

    Abstract: 本发明公开了一种青稞条纹病的识别方法,属于图像处理领域。包括青稞正常图像样本和青稞条纹病图像样本的输入,对图像进行预处理高斯滤波,将预处理之后的图像转换到HSV颜色空间,设置H、S划分等级及变化范围,根据设置结果统计图像中H、S分量数据并创建直方图,归一化图像直方图高度,将归一化之后的直方图高度及对应横坐标作为图像特征及标签训练SVM分类器,讲用于测试的图像样本做同样处理输入到SVM分类器,获得预测结果。本发明利用对图像滤波消噪,提取颜色空间特征并归一化,及支持向量机分类,能很好分类出正常青稞叶片和条纹病青稞叶片的图像,提高了青稞条纹病的识别效率和准确度。

Patent Agency Ranking