公开(公告)号：CN112364838A

公开(公告)日：2021-02-12

申请号：CN202011429519.3

申请日：2020-12-09

Applicant: 佛山市南海区广工大数控装备协同创新研究院 ,  佛山市广工大数控装备技术发展有限公司

Inventor： 陈俊杰 ,  杨淑爱 ,  黄坤山 ,  谢克庆

IPC: G06K9/00 ,  G06K9/62 ,  G06T3/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种利用合成的联机文本图像改进手写OCR性能的方法，包括以下步骤：步骤S1，选取和划分数据集，采用IAM数据集，所述中IAM数据集含有IAM手写数据集和IAM联机手写数据集；步骤S2，构建风格GAN网络的生成器，所述生成器包括三个部分，内容编码器、内容解码器和风格编码器；步骤S3，训练网络中的的生成器；步骤S4，通过训练出来的生成器网络模型对联机数据集中文本图像进行合成。采用本发明框架生成的手写图像能够有效提升OCR识别精度，对于采集和构造大规模手写数据集提供了一个可行的替代方案。

公开(公告)号：CN112287998B

公开(公告)日：2024-06-21

申请号：CN202011166797.4

申请日：2020-10-27

Applicant: 佛山市南海区广工大数控装备协同创新研究院 ,  佛山市广工大数控装备技术发展有限公司

Inventor： 陈俊杰 ,  杨淑爱 ,  黄坤山 ,  谢克庆

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开一种低光照条件下进行目标检测的方法。包括以下步骤：S1、选取和划分数据集；S2、构建低光照条件下目标检测的原始网络结构；S3、预训练各个网络的模型，通过粘合层把各个网络的预训练模型进行结合；S4、通过生成模型对粘合层进行迭代训练，训练出最优粘合层，得到最优网络结构；S5、采用最优网络结构在低光照条件下进行目标检测。本发明能够融合多个不同网络模型，使用无监督学习的方式来学习不同域间的差异，进而学到域自适应特性，提升在不同域之间的适应性，方便域的迁移，能够很好地把不同的网络模型合并融合，因此能够避免去构建一个低光照图片数据集，达到省时省力的目的，有效提升目标检测的性能。