-
公开(公告)号：CN111914838A
公开(公告)日：2020-11-10
申请号：CN202010735739.2
申请日：2020-07-28
Applicant: 同济大学
Abstract: 本发明涉及一种基于文本行识别的车牌识别方法，包括以下步骤：S1：获取原始图像；S2：车牌检测步骤：检测原始图像中的车牌部分，得到车牌图像；S3：文本行检测步骤：通过文本检测网络检测车牌上的文本行，得到车牌文本行图像；S4：文本行识别步骤：将车牌文本行图像输入车牌文本行识别网络，最终输出车牌文本行的字符序列，完成车牌识别，与现有技术相比，本发明具有高鲁棒性和高性能等优点。
-
公开(公告)号：CN111814592A
公开(公告)日：2020-10-23
申请号：CN202010563207.5
申请日：2020-06-19
Applicant: 同济大学
Abstract: 本发明涉及一种基于可叠加胶囊网络的植物叶片识别方法，该方法以手机平台为客户端，手机平台采集叶片图像、发出识别请求并对植物物种信息数据库进行展示；客户端发出识别请求至高性能计算机的服务器端，服务器端对叶片图像进行特征提取、训练，以及利用可叠加胶囊网络对叶片进行识别。与现有技术相比，本发明具有识别准确率高、使用方便等优点。
-
公开(公告)号：CN111814591A
公开(公告)日：2020-10-23
申请号：CN202010563204.1
申请日：2020-06-19
Applicant: 同济大学
Abstract: 本发明涉及一种基于生成式对抗网络模型和IOS平台的植物叶片识别系统，该系统包括IOS客户端和与IOS客户端通过无线网络互相连接的服务器端，所述的IOS客户端获取植物叶片图像，并对植物叶片图像进行预处理，处理后的植物叶片图像通过IOS客户端的人机交互页面选取本地识别路径或服务器端识别路径，所述的IOS客户端对本地识别路径请求调用自身网络模型进行植物叶片识别，所述的服务器端在收到服务器端识别路径的请求后，对由IOS客户端无线发送的预处理后的植物叶片图像调用基于分段损失加权的生成式对抗网络进行识别。与现有技术相比，本发明具有改善模型的模式崩溃现象、识别效率高等优点。
-
公开(公告)号：CN107016649A
公开(公告)日：2017-08-04
申请号：CN201710102313.1
申请日：2017-02-24
Applicant: 同济大学
IPC: G06T5/00
CPC classification number: G06T5/005
Abstract: 本发明涉及一种基于局部低秩张量估计的视觉数据补全方法，包括以下步骤：1)获取待补全的原始视觉数据，并将原始视觉数据映射到大小为n1×n2×n3的三维张量空间上形成有缺失值的原始张量2)根据原始张量初始化目标张量使其满足其中，为目标张量中的非缺失值数据，为原始张量中的非缺失值数据，为目标张量中的缺失值数据，并且有重叠地将目标张量分解为ng个子张量Mij；3)分别对每个子张量Mij求解，使得其迹范数加权和最小化，最终得到目标张量的最优解；4)将目标张量的最优解转换为视觉数据的对应格式，得到最终的补全结果。与现有技术相比，本发明具有补全效果好、估计准确等优点。
-
公开(公告)号：CN104036235B
公开(公告)日：2017-07-07
申请号：CN201410228847.5
申请日：2014-05-27
Applicant: 同济大学
Abstract: 本发明涉及一种基于叶片HOG特征和智能终端平台的植物物种识别方法，包括以下步骤：1)客户端获取叶片图像；2)对获取的叶片图像进行预处理后将叶片图像传输给服务器端，并同时向服务器端发送识别请求；3)服务器端收到识别请求后，对叶片图像进行HOG特征提取；4)以提取出的HOG特征作为训练好的SVM分类器的输入，对叶片图像进行分类识别；5)根据识别结果从植物物种数据库查找当前叶片图像对应类别的植物物种信息，并发送给客户端；6)客户端显示识别结果及对应植物物种信息。与现有技术相比，本发明具有准确率高、使用方便等优点。
-
Patent Agency Ranking
公开(公告)号：CN111914838B
公开(公告)日：2024-05-31
申请号：CN202010735739.2
申请日：2020-07-28
Applicant: 同济大学
IPC: G06V20/62 , G06V30/148 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0442
Abstract: 本发明涉及一种基于文本行识别的车牌识别方法，包括以下步骤：S1：获取原始图像；S2：车牌检测步骤：检测原始图像中的车牌部分，得到车牌图像；S3：文本行检测步骤：通过文本检测网络检测车牌上的文本行，得到车牌文本行图像；S4：文本行识别步骤：将车牌文本行图像输入车牌文本行识别网络，最终输出车牌文本行的字符序列，完成车牌识别，与现有技术相比，本发明具有高鲁棒性和高性能等优点。
-
公开(公告)号：CN111259850B
公开(公告)日：2022-12-16
申请号：CN202010076639.3
申请日：2020-01-23
Applicant: 同济大学
IPC: G06V40/10 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种融合随机批掩膜和多尺度表征学习的行人重识别方法，包括：构建行人重识别训练网络；按照预设训练参数进行网络超参数调节，得到学习网络；屏蔽多尺度表征学习和随机批掩膜分支，得到测试网络，将测试集输入测试网络后得到对应测试识别结果；判断测试识别结果准确率是否大于或等于预设值，若判断为是，则将实际数据集输入学习网络，否则重新训练网络；最后屏蔽多尺度表征学习和随机批掩膜分支，得到应用网络，将查询图像输入应用网络后得到对应的识别结果。与现有技术相比，本发明使用随机批掩膜策略、多尺度表征学习以及损失函数联合训练，能够捕获行人图像更细节性的判别力特征，并提取到局部的重要的被抑制的特征。
-
公开(公告)号：CN113160885A
公开(公告)日：2021-07-23
申请号：CN202110266679.9
申请日：2021-03-11
Applicant: 同济大学
Abstract: 本发明公开了基于胶囊网络的RNA与蛋白质绑定偏好预测方法和系统，对原始胶囊网络进行修改使其能够同步从RNA序列数据和结构数据中学习特征信息，由于RNA序列数据和结构数据存在差异，因此模型分别使用独立的卷积层和主要胶囊层从二者中提取特征信息，将融合后的信息作为数字胶囊层的输入，本发明提供的技术方案中，步骤简单，实用性强，预测准确率高，为RNA与蛋白质绑定偏好预测提供了技术参考。
-
公开(公告)号：CN112863597A
公开(公告)日：2021-05-28
申请号：CN202110265412.8
申请日：2021-03-11
Applicant: 同济大学
Abstract: 本发明公开了基于卷积门控递归神经网络的RNA基元位点预测方法及系统，包括嵌入层模块、多尺度卷积层模块、双向门控递归神经网络层模块、输出层模块；系统通过嵌入层模块将RNA序列转化为RNA数字序列；基于多尺度卷积层模块从RNA数字序列中学习不同长度基元的局部绑定特征信息并从中挑选出第一主要特征信息；通过双向门控递归神经网络层模块学习第一主要特征信息中的RNA数字序列的当前基元位点与其上下游子序列间的调控关系；基于输出层模块根据第一主要特征信息和调控关系，生成第二主要特征信息，用于预测RNA序列的RNA基元位点，本发明实现了RNA基元位点的准确预测。
-
公开(公告)号：CN111650804B
公开(公告)日：2021-04-23
申请号：CN202010421272.4
申请日：2020-05-18
Applicant: 安徽省徽腾智能交通科技有限公司 , 同济大学
Abstract: 本发明属于立体图像识别技术领域，具体的说是一种立体图像识别装置及其识别方法，包括图像识别柜，所述图像识别柜内壁两侧的顶端共同固定连接有安装板；所述安装板底部的两侧均通过角度调节座连接有相机；通过设置LED灯板、弹簧、支撑架、支撑轴、驱动电机、圆盘底座、钢板、吸气腔、吸口、搁置圆板、吸气座、抽气腔、真空泵，给相机的采集提供较好的光线环境，使得采集的信息更加清晰，旋转的过程中，可以同步对商品在不进行表面夹持固定的情况下进行固定，使得整个采集过程非常稳定，改善了对商品采集立体图像的外部环境，有利于准确清晰的采集立体图像，便于更准确的识别商品。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.024 seconds)
