-
公开(公告)号：CN106326927A
公开(公告)日：2017-01-11
申请号：CN201610716111.1
申请日：2016-08-24
Applicant: 大连海事大学
CPC classification number: G06K9/6215 , G06K9/4609 , G06K9/6228 , G06K9/6256 , G06K9/6267
Abstract: 本发明提供一种鞋印新类别检测方法，包括：提取训练图像和所述待检测图像的特征，所述训练图像为已知类别的鞋印图像，用于确定待检测图像是否为新类别鞋印图像；提取所述训练图像和所述待检测图像的特征；根据所述特征计算所述训练图像之间的相似度矩阵、所述训练图像与所述待检测图像之间的相似度矩阵；根据所述训练图像之间的相似度矩阵确定判别函数；根据所述判别函数确定所述训练图像和待检测图像在零空间对应的训练图像映射和待检测图像映射；计算所述待检测图像映射与所述训练图像映射的欧式距离；根据所述欧式距离确定待检测图像是否为新类别；根据所述新类别检测鞋印图像。本发明实现对鞋印的有效管理，实现了更准确地检测鞋印新类别。
-
公开(公告)号：CN119338883A
公开(公告)日：2025-01-21
申请号：CN202411381193.X
申请日：2024-09-30
Applicant: 大连海事大学
Abstract: 本发明公开了一种单目测量人体身高的方法及系统，S1：选取标定物，进行拍摄设备参数标定，得到标定数据，根据标定数据得到比例系数；S2：获取面部图像，输入YOLO网络模型，得到面部检测数据；S3：若面部检测数据仅包括眼部数据，则计算第一人体身高，并执行S4；若面部检测数据包括眼部数据和嘴部数据，则计算第二人体身高，然后计算多特征融合的第三人体身高，并执行S4；S4：进行滑动均值过滤操作，得到最终的身高测量结果。本发明提出的基于人脸检测的人体身高算法，能够使用不完全的人体照片进行人体身高的测量，并且能够通过均值过滤操作修正由于人体与摄像头的距离引起的检测偏差，从而可以在计算量较小的情况下准确测算人体身高。
-
公开(公告)号：CN118962680A
公开(公告)日：2024-11-15
申请号：CN202411257712.1
申请日：2024-09-09
Applicant: 大连海事大学
Abstract: 本发明一种基于环扫SAR的海洋风浪流一体化反演方法，包括以下步骤：基于环扫SAR散射强度正演模型，进行风场反演，得到修正的风场信息和修正后的散射强度的代价函数；将修正后的风场信息输入流场反演模型，进行流场反演，通过多普勒径向速度正演模型，得到多普勒偏移代价函数；将修正后的风场信息输入波浪谱反演模型，进行波浪谱反演，通过环扫SAR图像谱正演模型，基于SAR图像，得到图像谱代价函数；基于修正后的散射强度的代价函数、普勒偏移代价函数和图像谱代价函数构建总体代价函数；基于总体代价函数再次对修正后风场信息进行风场、流场和波浪谱的联合反演，得到总体代价函数的最小值，即最优的流场信息、波浪谱信息和风场信息。
-
公开(公告)号：CN118468257A
公开(公告)日：2024-08-09
申请号：CN202410583067.6
申请日：2024-05-11
Applicant: 大连海事大学
IPC: G06F21/36 , G06N3/0475 , G06N3/094
Abstract: 本发明提供一种基于生成对抗网络的复杂背景验证码识别方法。本发明方法，包括：包括：离线训练阶段和在线识别阶段，其中：所述离线训练阶段，包括：获取目标验证码真实数据；制定验证码安全特征参数；在字符层面生成目标验证码图像；计算基于GAN的合成验证码的真实性；提高基于GAN的合成验证码的真实性；判定合成目标验证码的真实性；去除基于GAN的验证码复杂背景干扰；训练基于EfficientNet的验证码识别网络；所述在线识别阶段，包括：输入文本验证码，并去除复杂背景干扰；对去除复杂背景干扰后的验证码进行识别，得到识别结果。本发明技术方案能够有效提改善复杂背景类型的文本验证码识别率低的问题。
-
公开(公告)号：CN118314149A
公开(公告)日：2024-07-09
申请号：CN202410596807.X
申请日：2024-05-14
Applicant: 大连海事大学
IPC: G06T7/10 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种联合无标记数据学习的裂缝分割方法，包括：S1、获取带有像素级标签的裂缝数据，并对带有像素级标签的裂缝数据进行预处理；S2、设计分割网络；S3、将带有像素级标签的裂缝数据加入分割网络进行训练，得到初代裂缝分类器；S4、利用初代裂缝分类器对无标记数据进行预测，生成伪标签，并进行质量评估；S5、将符合阈值条件的伪标签及其样本挑选出来，与有标签样本进行扩充得到新的训练数据集；S6、利用新的训练数据集训练新一代裂缝分类器；S7、输出裂缝分割结果。本发明技术方案对于较为细浅的裂缝也能准确分割，当路面图像存在标记线、水渍和阴影等干扰时，本发明方法也能完整、准确的分割出路面中的裂缝病害区域。
-
Patent Agency Ranking
公开(公告)号：CN118262418A
公开(公告)日：2024-06-28
申请号：CN202410450217.6
申请日：2024-04-15
Applicant: 大连海事大学
Abstract: 本发明提供一种基于双阶段孪生网络的离线手写签名验证方法，包括：基础特征提取阶段：选用DenseNet作为网络的骨干CNN，对输入的签名样本进行数据预处理，进行基础特征提取操作，得到两个输出向量s1和s2；增强特征提取阶段：将通过增强模块后的增强图片数据，再一次的输入到DenseNet进行增强特征提取操作，得到两个输出向量s3和s4；双阶段融合训练机制：使用对比损失作为网络的损失函数，分别采用对比损失监督基础特征提取阶段和增强特征提取阶段，并进行融合作为全局的总损失函数，将基础特征和增强特征都纳入全局的监督训练学习中，对签名图像的距离做一个度量来判断是否是真签名还是伪造的签名。本发明方法可以准确、迅速地验证签名真伪。
-
公开(公告)号：CN117593327A
公开(公告)日：2024-02-23
申请号：CN202311442603.2
申请日：2023-11-01
Applicant: 大连海事大学
Abstract: 本发明提供一种基于Hessian矩阵与目标识别网络的裂缝分割方法，包括：S1、获取彩色路面图像，并对获取的彩色路面图像进行预处理；S2、采用目标检测的方法将预处理后的图像进行裂缝区域检测；S3、根据经过裂缝区域检测后的图片，基于Hessian矩阵的高斯滤波器组生成梯度图；S4、基于路面纹理模板的阈值，对生成的梯度图进行选择分割。本发明提供的基于Hessian矩阵与目标识别网络的裂缝分割方法，能够增强裂缝区域及部分纹理区域，采用纹理模板均值作为阈值可以在保留大部分裂缝区域的前提下大量减少纹理误检，且边缘更接近裂缝真实边缘。
-
公开(公告)号：CN117373026A
公开(公告)日：2024-01-09
申请号：CN202311419088.6
申请日：2023-10-30
Applicant: 大连海事大学
IPC: G06V30/14 , G06V30/148
Abstract: 本发明公开了一种基于深度学习的车架号检测与识别方法，包括获取多个包含车架号信息的待测图像；采用文本检测网络对待测图像进行区域定位检测，获取包含车架号的文本区域；定义文本检测框数据集D＝{d1，d2，…，di}；对文本检测框数据集D中各文本区域进行优化，获取车架号文本区域框；对车架号文本区域框进行世界制造厂代号识别，获取车辆车架号校验码进行校验；若车辆车架号校验码与计算获得车架号校验码一致，则确认车辆车架号校验码识别正确，并获取识别结果；若车辆车架号校验码与计算获得车架号校验码不一致，则确认车辆车架号校验码识别不正确，并对识别获取的所述车辆车架号校验码进行优化，获取优化车辆车架号校验码，大大提高了车架号检测识别效率与精度。
-
公开(公告)号：CN112991495B
公开(公告)日：2023-10-27
申请号：CN202110257072.4
申请日：2021-03-09
Applicant: 大连海事大学
IPC: G06T11/60 , G06T11/20 , G06T5/30 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06V10/80 , G06V10/82
Abstract: 本发明提供一种基于草图的交互迭代式虚拟鞋印图像生成方法，包括以下步骤：构建总体网络架构；所述总体网络构架包括：空洞残差多级融合全卷积鞋印图像生成网络、全卷积深浅层特征融合鞋印图像判别网络以及在ImageNet上预训练后的VGG19；对构建的所述总体网络进行离线模型训练；基于离线训练后的模型对在线虚拟鞋印图像生成。本发明在方法上使用鞋印草图实现了鞋印图像的生成，解决了现有传统图像修复算法与深度学习无法解决的背景复杂，现场鞋印图像难以提取的问题。协助刑侦人员尽可能多地利用案发现场信息进行案件侦破，提高破案效率。
-
公开(公告)号：CN110705553B
公开(公告)日：2022-10-25
申请号：CN201911013854.2
申请日：2019-10-23
Applicant: 大连海事大学
IPC: G06V10/25 , G06V10/26 , G06V10/764 , G01N21/88
Abstract: 本发明提供了一种适用于车辆远景图像的划痕检测方法，包括：利用深度学习算法分割出划痕可能出现的感兴趣区域；利用融合颜色与空间信息的划痕检测和MSER方法得到所述感兴趣区域中的候选划痕区域；综合利用Hough线检测及SVM方法对所述候选划痕区域进行筛选，进而标记出划痕区域。本发明综合使用了多种图像处理方法检测感兴趣区域中的划痕区域，避免了车辆远景图像中划痕区域面积过小导致的特征不明显，划痕与干扰区域难以区分的问题。同时，本发明不需要人为拍摄近景图像，将人工操作从复杂的划痕检测任务中解放出来。
-
-
-
-
-
-
-
-
-
Search Results
125
records
(took 0.03 seconds)
