-
公开(公告)号：CN113792780A
公开(公告)日：2021-12-14
申请号：CN202111056947.0
申请日：2021-09-09
Applicant: 福州大学
Abstract: 本发明涉及一种基于深度学习和图像后处理的集装箱号识别方法，包括以下步骤：步骤S1:获取包含集装箱箱号区域的图片并预处理，构建集装箱号数据集；步骤S2:构建YOLOv3网络并训练；步骤S3:基于训练好的YOLOv3网络获取集装箱号初始框定区域,并结合CRAFT网络输出的文本区域分,输出集装箱箱号区域截取；步骤S4:基于LeNet5网络，构建用于集装箱号码识别的网络；步骤S5:将集装箱箱号区域截取输入用于集装箱号码识别的网络，得到最终的识别结果。本发明可输出任意方向的矩形框，实现更加精准的箱号检测，有效的解决了箱号区域内多余的背景和干扰字符的问题。
-
Patent Agency Ranking
公开(公告)号：CN114332841B
公开(公告)日：2024-08-02
申请号：CN202111667119.0
申请日：2021-12-31
Applicant: 福州大学
IPC: G06V20/62 , G06V30/146 , G06V30/148 , G06V30/18 , G06V30/19 , G06N3/0464 , G06N3/08
Abstract: 一种基于选择性特征融合金字塔的场景文本检测方法，包括基于选择性特征融合金字塔的场景文本检测网络，场景文本的检测包括以下步骤：步骤S1：获取不同场景中的包含文本的图像生成数据集，其中包含任意形状文本；步骤S2：对数据集进行处理，得到用于训练数据集A与测试数据集B；步骤S3：构建用于特征提取的深度神经网络；应用本方案可实现有效检测自然场景中的长直，多方向文本，也可以有效检测自然场景下的任意形状文本。
-
公开(公告)号：CN117854076A
公开(公告)日：2024-04-09
申请号：CN202410037853.6
申请日：2024-01-10
Applicant: 福州大学
IPC: G06V30/146 , G06V30/148 , G06V30/19 , G06V10/82
Abstract: 本发明涉及一种基于实例分割的端到端集装箱号检测识别方法。该方法将箱号检测与识别任务作为一个整体，两个任务相互约束、联合优化，减少模型误差的同时也提升了模型的效率。本发明抓住了箱号的排列、字符分布等特征，针对性地设计了检测分支和识别分支，使其能够更加适应箱号的检测和识别任务。在特征网络的设计上，提出一种由轻量级主干网络、自适应空间增强模块、自适应通道增强模块组成的特征提取网络，以较低的计算成本提高网络对文本特征的整合表达能力。另外，本发明提出字符对比学习损失CCL(CharacterContrastive Loss)，从字符特征向量在空间上的位置角度上，使同类型字符实例在空间上的表达更相近，而不同类型字符实例尽可能地彼此远离，从而提升识别的精度。
-
公开(公告)号：CN114332841A
公开(公告)日：2022-04-12
申请号：CN202111667119.0
申请日：2021-12-31
Applicant: 福州大学
IPC: G06V20/62 , G06V30/146 , G06V30/148 , G06V30/18 , G06V30/19 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 一种基于选择性特征融合金字塔的场景文本检测方法，包括基于选择性特征融合金字塔的场景文本检测网络，场景文本的检测包括以下步骤：步骤S1：获取不同场景中的包含文本的图像生成数据集，其中包含任意形状文本；步骤S2：对数据集进行处理，得到用于训练数据集A与测试数据集B；步骤S3：构建用于特征提取的深度神经网络；应用本方案可实现有效检测自然场景中的长直，多方向文本，也可以有效检测自然场景下的任意形状文本。
-
公开(公告)号：CN113792780B
公开(公告)日：2023-07-14
申请号：CN202111056947.0
申请日：2021-09-09
Applicant: 福州大学
IPC: G06V20/62 , G06V30/148 , G06V30/19 , G06V10/774 , G06V10/82 , G06V10/762 , G06V10/764 , G06N3/045 , G06N3/08
Abstract: 本发明涉及一种基于深度学习和图像后处理的集装箱号识别方法，包括以下步骤：步骤S1:获取包含集装箱箱号区域的图片并预处理，构建集装箱号数据集；步骤S2:构建YOLOv3网络并训练；步骤S3:基于训练好的YOLOv3网络获取集装箱号初始框定区域,并结合CRAFT网络输出的文本区域分,输出集装箱箱号区域截取；步骤S4:基于LeNet5网络，构建用于集装箱号码识别的网络；步骤S5:将集装箱箱号区域截取输入用于集装箱号码识别的网络，得到最终的识别结果。本发明可输出任意方向的矩形框，实现更加精准的箱号检测，有效的解决了箱号区域内多余的背景和干扰字符的问题。
-
公开(公告)号：CN115565165A
公开(公告)日：2023-01-03
申请号：CN202211103809.8
申请日：2022-09-09
Applicant: 福州大学
IPC: G06V20/62 , G06V30/146 , G06V30/148 , G06V30/19 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于语义分割和Transformer的集装箱号检测识别方法，包括以下步骤：步骤S1:集装箱箱号检测与识别数据集的构建；步骤S2:构建基于语义分割的箱号检测网络并训练；步骤S3:将检测得到的箱号区域进行文本矫正；步骤S4:构建集装箱号码识别网络并训练；步骤S5:利用训练好的检测及识别网络对集装箱箱号进行检测识别的过程。应用本技术方案可实现高效、准确地将图像中集装箱箱号区域分割出来，并将三种不同类型的箱号分类，通过TPS文本矫正得到矫正后的箱号区域图像。
-
-
-
-
-
Search Results
6
records
(took 0.043 seconds)
