-
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
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
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
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。
-
Patent Agency Ranking
公开(公告)号：CN114118266A
公开(公告)日：2022-03-01
申请号：CN202111406830.0
申请日：2021-11-24
Applicant: 华侨大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/10
Abstract: 本发明提供了一种表面含砂浆的再生骨料的视觉检测分类方法，具体为：读取传送带的速度，通过控制传送带速度将分散在皮带上的再生骨料依次送到图像采集区域；通过彩色线阵相机扫描在传送带上移动的再生骨料表面，得到含再生骨料表面纹理信息的图像；对图像进行预处理得到预处理后的图像，并输入到深度学习神经网络，确定出每个再生骨料的信息；根据每个再生骨料的信息，控制在输送带出口处的气阀，将满足等级要求的再生骨料吹出；本发明提供的方法通过检测再生骨料的等级，将不同等级的再生骨料分离开，实现对再生骨料等级的检测并对骨料进行分类。
-
公开(公告)号：CN113807424A
公开(公告)日：2021-12-17
申请号：CN202111063333.5
申请日：2021-09-10
Applicant: 华侨大学
Abstract: 一种基于离线数据增强的固废数据集生成方法，具体包括：手动标注第一固废数据集A1；对第一固废数据集A1进行离线数据增强生成第二固废数据集A2，合并第一固废数据集A1和第二固废数据集A2，形成合并固废数据集；使用深度学习模型对合并固废数据集进行训练；使用训练好的深度学习模型对未标注的固废数据集D进行预测；通过查询函数找出深度学习模型预测不准确的图像集，并进行手动标注得到第三固废数据集B1；对第三固废数据集B1进行离线数据增强生成第四固废数据集B2。本发明提出的方法可以生成大量固废数据集，快速有效地构扩充固废数据集，从而有助于深度学习模型的训练，进一步提升固废识别的准确率。
-
公开(公告)号：CN114118266B
公开(公告)日：2024-08-20
申请号：CN202111406830.0
申请日：2021-11-24
Applicant: 华侨大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06V10/26 , G06V10/10
Abstract: 本发明提供了一种表面含砂浆的再生骨料的视觉检测分类方法，具体为：读取传送带的速度，通过控制传送带速度将分散在皮带上的再生骨料依次送到图像采集区域；通过彩色线阵相机扫描在传送带上移动的再生骨料表面，得到含再生骨料表面纹理信息的图像；对图像进行预处理得到预处理后的图像，并输入到深度学习神经网络，确定出每个再生骨料的信息；根据每个再生骨料的信息，控制在输送带出口处的气阀，将满足等级要求的再生骨料吹出；本发明提供的方法通过检测再生骨料的等级，将不同等级的再生骨料分离开，实现对再生骨料等级的检测并对骨料进行分类。
-
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
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)
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。
-
-
-
-
-
-
-
Search Results
28
records
(took 0.041 seconds)
