-
公开(公告)号：CN112308092B
公开(公告)日：2023-02-28
申请号：CN202011316603.4
申请日：2020-11-20
Applicant: 福州大学
IPC: G06V10/44 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/08
Abstract: 本发明提出一种基于多尺度注意力机制的轻量型车牌检测与识别方法，其车牌检测识别网络构建包括以下步骤；步骤S1：获取图片作为原始数据集；步骤S2：对原始数据集处理，得到用于训练检测车牌的模型的数据集A、用于训练车牌识别的模型的数据集B；步骤S3：构建用于检测车牌的深度神经网络；步骤S4：将数据集A的原始图像P1输入到步骤S3构造的网络中，得到车牌检测区域P2以及车牌的四个角点；步骤S5：将P2根据车牌的角点做透视变换得到矫正后的图像P3。步骤S6：构建用于识别车牌的深度神经网络；步骤S7：将P3输入到步骤S6构造的网络中，得到检测到的车牌所对应的车牌号码；本发明可以在保证网络精确度的情况下同时获得较低的网络参数量和计算量。
-
公开(公告)号：CN114882486A
公开(公告)日：2022-08-09
申请号：CN202210486104.2
申请日：2022-05-06
Applicant: 福州大学
Abstract: 本发明提供了一种基于深度学习的夜视场景下车牌检测与识别方法，采用夜视增强网络对夜间车牌进行增强后，采用车牌检测网络和车牌识别网络对增强后的车牌进行识别。应用本技术方案可实现只需要三个阶段就可以完成对车牌的检测与识别，有效的降低了因夜间极为恶劣的光照条件导致的识别错误，提高对字符识别的准确度，且可以在保证网络精确度的情况下同时获得较低的网络参数量和计算量。
-
公开(公告)号：CN112308092A
公开(公告)日：2021-02-02
申请号：CN202011316603.4
申请日：2020-11-20
Applicant: 福州大学
Abstract: 本发明提出一种基于多尺度注意力机制的轻量型车牌检测与识别方法，其车牌检测识别网络构建包括以下步骤；步骤S1：获取图片作为原始数据集；步骤S2：对原始数据集处理，得到用于训练检测车牌的模型的数据集A、用于训练车牌识别的模型的数据集B；步骤S3：构建用于检测车牌的深度神经网络；步骤S4：将数据集A的原始图像P1输入到步骤S3构造的网络中，得到车牌检测区域P2以及车牌的四个角点；步骤S5：将P2根据车牌的角点做透视变换得到矫正后的图像P3。步骤S6：构建用于识别车牌的深度神经网络；步骤S7：将P3输入到步骤S6构造的网络中，得到检测到的车牌所对应的车牌号码；本发明可以在保证网络精确度的情况下同时获得较低的网络参数量和计算量。
-
公开(公告)号：CN103346810B
公开(公告)日：2016-03-09
申请号：CN201310305157.0
申请日：2013-07-20
Applicant: 福州大学
Abstract: 本发明涉及基带信号到射频信号的上变频技术领域，特别是一种全数字直接上变频电路，包括基带处理模块和RF处理模块；所述基带处理模块对输入系统的基带信号进行内插处理，提高数据速率，而后进行幅值缩减，然后将信号的多位并行数据调制成一位串行数据，并搬移噪声频谱；所述RF处理模块对经过基带处理模块处理后的输出数据进行N倍复用，转换成并行数据，然后将并行数据转换成串行数据输出。该电路噪声干扰小，结构简单，易于实现，制造成本低。
-
公开(公告)号：CN103338179B
公开(公告)日：2016-02-24
申请号：CN201310305158.5
申请日：2013-07-20
Applicant: 福州大学
IPC: H04L27/26
Abstract: 本发明涉及一种调制误差率可控的OFDM系统峰均比抑制器，包括深度限幅滤波模块和带内噪声处理模块；所述深度限幅滤波模块对输入系统的频域信号进行过采样处理，而后将频域信号转换成时域信号，并设定一个限幅门限，对时域信号进行幅度修正，然后将时域信号转换成频域信号后进行滤波，将带外噪声滤除；所述带内噪声处理模块对经过深度限幅滤波模块处理后的频域信号进行降采样，并设定一个MER门限，对限幅处理后的频域信号进行MER修正，再将频域信号转换成时域信号后输出。该抑制器不仅可降低OFDM系统的峰均比，而且可对调制误差率进行控制。
-
Patent Agency Ranking
公开(公告)号：CN114882486B
公开(公告)日：2024-06-04
申请号：CN202210486104.2
申请日：2022-05-06
Applicant: 福州大学
IPC: G06V20/62 , G06V10/24 , G06V10/40 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供了一种基于深度学习的夜视场景下车牌检测与识别方法，采用夜视增强网络对夜间车牌进行增强后，采用车牌检测网络和车牌识别网络对增强后的车牌进行识别。应用本技术方案可实现只需要三个阶段就可以完成对车牌的检测与识别，有效的降低了因夜间极为恶劣的光照条件导致的识别错误，提高对字符识别的准确度，且可以在保证网络精确度的情况下同时获得较低的网络参数量和计算量。
-
公开(公告)号：CN114862714A
公开(公告)日：2022-08-05
申请号：CN202210491620.4
申请日：2022-05-07
Applicant: 福州大学
Abstract: 本发明提供了一种基于结构提取的自然图像去模糊方法，对图像进行去噪预处理后估计模糊核，再执行图像非盲去卷积步骤得到去模糊后的图像；包括以下步骤：步骤S1、对原始模糊图像P1进行去噪预处理得到P2；步骤S2、对经过预处理的图像P2进行中间潜像估计得到图片P3；步骤S3、提取中间潜像P3的主要结构，经过一些调整得到图像P4；步骤S4、用图像P4进行核估计；步骤S5、执行非盲去卷积得到去模糊后的图像P5。应用本技术方案可避免噪声会对后续核估计步骤产生不良影响。在保证模糊核稀疏性的同时还能保证模糊核的连续性。
-
公开(公告)号：CN109902751B
公开(公告)日：2022-07-08
申请号：CN201910160157.3
申请日：2019-03-04
Applicant: 福州大学
Abstract: 本发明涉及一种融合卷积神经网络和半字模板匹配的表盘数字字符识别方法，首先获取带有全字半字标签的分割好的灰度图，接着将标签筛选分类，若标签为0则进行半字识别，若标签为1则进行全字识别；最后按照图像输入的顺序，依次输出灰度图的识别结果。本发明识别正确率高，为表盘数字字符半字全字的分开识别提供了新思路，并融合卷积神经网络和半字模板匹配，可广泛应用于需要进行数字字符识别的领域。
-
公开(公告)号：CN113793280A
公开(公告)日：2021-12-14
申请号：CN202111077118.0
申请日：2021-09-14
Applicant: 福州大学
Abstract: 本发明涉及一种局部噪声方差估计与BM3D块匹配相结合的真实图像降噪方法。该方法包括：通过输入任意一张真实场景下拍摄且需要降噪的图片，与BM3D块匹配相结合得到当前目标块的噪声标准差，而后根据得到的噪声标准差，选择最佳滤波参数，然后先对图像做基础估计以消除大部分噪点，噪声标准差参与计算；再对图像做最终估计以还原图像的细节，噪声标准差参与最终估计的计算，得到最终估计后的图像并输出。本发明方法可有效提高去噪效果，具有较好的保留细节能力，解决了BM3D算法针对真实图像不能直接降噪的缺点；同时，该方法解决了图像整体噪声方差估计过小，导致BM3D去噪效果不佳的问题。
-
公开(公告)号：CN108184127B
公开(公告)日：2020-06-12
申请号：CN201810039762.0
申请日：2018-01-13
Applicant: 福州大学
IPC: H04N19/625 , H04N19/42
Abstract: 本发明涉及一种可配置的多尺寸DCT变换硬件复用架构。包括：判决与数据重排模块，根据DCT变换的尺寸对输入复用架构的数据是否需要重新排列进行判决；K层蝶形数据处理模块，对经过判决与数据重排模块处理后的数据进行K层蝶形数据处理；末级向量内积模块，将最后一层蝶形数据处理模块输出的偶数位置数据向量与对应的核心矩阵系数进行相乘，相乘后的结果进行相加，然后输出。本发明用基于FPGA的数字逻辑硬件电路和基于ASIC的数字逻辑硬件电路分别实现，简单、有效、可重配置，可广泛应用于各种视频压缩编码标准中的多尺寸DCT变换。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.051 seconds)
