公开(公告)号：CN114120057A

公开(公告)日：2022-03-01

申请号：CN202111320510.3

申请日：2021-11-09

Applicant: 华侨大学

Inventor： 陈伟鑫 ,  杨建红 ,  房怀英 ,  林柏宏 ,  杨天成 ,  李建涛 ,  计天晨 ,  陈强 ,  杨宇轩 ,  谭国亿

IPC: G06V10/774 ,  G06K9/62 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于PaddleDetection的混淆矩阵生成方法，包括：在PaddlePaddle平台下运用PaddleDetection目标检测开发套件训练目标检测网络；获取有标注的测试数据集，分为两个文件夹，一个文件夹放json文件，另一个放对应的图片文件，并得到真实的目标物体外接矩形框；运用infer.py图片文件进行预测，得到预测标签；得出预测修正得到的矩形检测框；将真实矩形框与预测修正得到的矩形检测框进行循环匹配，将统计得到的值记录在矩阵上；创建excle表格，将记录的矩阵填充到excle表格中，绘制出用于评价模型实际应用效果的混淆矩阵，本发明方法能通过目标检测网络预测的检测框与实际的目标检测框进行匹配，绘制在混淆矩阵上，以便对于模型各个种类的识别结果进行统计研究，优化网络模型的训练方法。

公开(公告)号：CN113731836A

公开(公告)日：2021-12-03

申请号：CN202110891690.4

申请日：2021-08-04

Applicant: 华侨大学

Inventor： 计天晨 ,  房怀英 ,  杨建红 ,  陈强 ,  杨天成 ,  陈伟鑫 ,  李建涛 ,  杨宇轩 ,  林柏宏

IPC: B07C5/02 ,  B07C5/34 ,  B07C5/36 ,  B09B3/00 ,  H04N5/262 ,  H04N5/265

Abstract: 本发明提供了一种基于深度学习的城市固体废弃物在线分选系统，包括：输送带、图像采集系统、工控机、分选执行机构；所述输送带用于散布并输送城市固体废弃物物料，由进料口向图像采集系统及分选执行机构方向输送；所述图像采集系统位于输送带上方，于分选执行机构间隔一定距离；所述分选执行机构位于输送带末端；上述的基于深度学习的城市固体废弃物在线分选系统，相对于国内普遍使用的城市固体废弃物人工分选方法，本分选系统效率高、持续工作时间长、可显著改善工人工作环境，实现分选自动化。

公开(公告)号：CN113486937A

公开(公告)日：2021-10-08

申请号：CN202110719485.X

申请日：2021-06-28

Applicant: 华侨大学

Inventor： 李建涛 ,  杨建红 ,  计天晨 ,  房怀英 ,  林柏宏 ,  杨宇轩 ,  杨天成 ,  陈伟鑫

IPC: G06K9/62 ,  G06F16/51 ,  G06F16/583 ,  G06F16/587 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于卷积神经网络的固废识别数据集构建系统，包括数据集采集模块，用于采集包括彩色信息和空间信息的固废图像集，以及用于采集包括高度信息的固废图像集，并将两种类型的图像集进行同步匹配处理，获得包括彩色信息、空间信息和高度信息的固废图像集；数据集标注模块，用于生成固废识别所需数据集。本发明通过数据集采集模块以及数据集标注模块，可以快速有效地构建并扩充废识别数据集，从而有助于卷积神经网络模型的训练，进一步提升固废识别的准确率。

公开(公告)号：CN113731836B

公开(公告)日：2023-05-26

申请号：CN202110891690.4

申请日：2021-08-04

Applicant: 华侨大学

Inventor： 计天晨 ,  房怀英 ,  杨建红 ,  陈强 ,  杨天成 ,  陈伟鑫 ,  李建涛 ,  杨宇轩 ,  林柏宏

IPC: B07C5/02 ,  B07C5/34 ,  B07C5/36 ,  B09B3/00 ,  H04N5/262 ,  H04N5/265

Abstract: 本发明提供了一种基于深度学习的城市固体废弃物在线分选系统，包括：输送带、图像采集系统、工控机、分选执行机构；所述输送带用于散布并输送城市固体废弃物物料，由进料口向图像采集系统及分选执行机构方向输送；所述图像采集系统位于输送带上方，于分选执行机构间隔一定距离；所述分选执行机构位于输送带末端；上述的基于深度学习的城市固体废弃物在线分选系统，相对于国内普遍使用的城市固体废弃物人工分选方法，本分选系统效率高、持续工作时间长、可显著改善工人工作环境，实现分选自动化。

公开(公告)号：CN115601546A

公开(公告)日：2023-01-13

申请号：CN202211324514.3

申请日：2022-10-27

Applicant: 华侨大学(CN)

Inventor： 林柏宏 ,  杨建红 ,  房怀英 ,  计天晨 ,  陈强 ,  杨天成 ,  陈伟鑫 ,  李建涛 ,  杨宇轩

IPC: G06V10/26 ,  G06N3/04 ,  G06N3/08 ,  G06V10/82

Abstract: 本发明公开了一种实例分割模型训练方法、装置及可读介质，通过采用第一训练集分别训练主体模型和辅助模型，得到经训练的主体模型和经训练的辅助模型，其中，主体模型为实例分割模型，辅助模型为逐像素分类模型；将待测图像分别输入经训练的主体模型和经训练的辅助模型，得到第一预测结果和第二预测结果，分别获取第一预测结果和第二预测结果的第一掩膜图和第二掩膜图；根据第一掩膜图和第二掩膜图确定难例样本，难例样本为因置信度低而未被经训练的主体模型识别出目标的待测图像，将难例样本与其第二预测结果对应的标签保存为第二训练集；采用第二训练集对经训练的主体模型继续进行训练，得到训练好的主体模型，能够有效提高模型泛化性和准确率。