-
公开(公告)号：CN112364883B
公开(公告)日：2022-06-10
申请号：CN202010976987.6
申请日：2020-09-17
Applicant: 福州大学
IPC: G06V20/62 , G06V10/774 , G06K9/62
Abstract: 本发明涉及一种基于单阶段目标检测和deeptext识别网络的美式车牌识别方法，步骤S1：获取美式车牌数据集，并预处理后生成训练集；步骤S2：根据车牌检测特点修改目标检测网络CornerNet‑Squeeze；步骤S3：使用检测端训练集训练改进的CornerNet‑Squeeze,使用数据集MJSynth和SynthText训练deeptext识别网络；步骤S4：将检训练集送入训练好的检测网络，输出车牌号码、年检信息、州名三部分图像，将这三部分图像送入识别网络，识别网络输出的文本信息通过手工修改错误信息，得到识别标签；步骤S5：使用获得的识别标签对识别网络进行进一步训练，获得高精度的识别网络。步骤S6：使用步骤S5训练好的高精度识别网络对待检测的美式车牌图像检测，输出结果。本发明能够有效地对美式车牌进行识别。
-
公开(公告)号：CN112232371B
公开(公告)日：2022-06-10
申请号：CN202010978381.6
申请日：2020-09-17
Applicant: 福州大学
IPC: G06V30/146 , G06V10/30 , G06V10/762 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明涉及一种基于YOLOv3与文本识别的美式车牌识别方法，包括步骤S1：采集美式车牌中各个州的车牌的图像数据，构成美式车牌图像集；步骤S2：对下载好的图像进行人工标注，生成xml文件，以符合YOLOv3神经网络模型训练的要求；步骤S3：对步骤S2中处理好的数据进行若干数据增强，用以提高图像质量，利于之后的训练与识别；步骤S4：训练YOLOv3神经网络模型，并用训练好的权重检测出车牌的特征区域；步骤S5：车牌特殊字符作为新样本加入deep‑text文本识别工具训练，将检测出的车牌特征区域通过训练好的文本识别工具提取出对应的字符信息。本发明提出方法的准确率高，时效性好，对于美式的车牌识别具有实际应用意义。
-
公开(公告)号：CN112200258B
公开(公告)日：2022-06-10
申请号：CN202011114773.4
申请日：2020-10-16
Applicant: 福州大学
IPC: G06V10/774 , G06V10/25 , G06K9/62
Abstract: 本发明涉及一种多维度车标数据增强方法，首先通过小框随机选取法,生成一个四个顶点相对车标顶点偏移量为车标区域宽和高1.5到3倍的小矩形框，用这个矩形框框选包含车标区域的图像，截取作为尺度维度增强图像。然后进行数量维度增强，通过滑动交叉分割法，用一个大小为源图像1/2的矩形框每隔1/4的步长对图像进行扫描并截取，生成大量有效的数量维度增强图像。通过正态分布分割法，生成一个长为车标区域的中心到图像左右两边的最小值，宽为车标区域的中心到图像上下两边的最小值的矩形框，用这个矩形框以正态分布的概率选取包含车标区域的一部分图像并截取作为空间维度增强图像。最后使用亮度变换和对比度变换对以上所有数据进行亮度维度和对比度维度的增强。本发明能够有效地对车标进行数据量扩充。
-
公开(公告)号：CN112686245B
公开(公告)日：2022-05-13
申请号：CN202110001257.9
申请日：2021-01-04
Applicant: 福州大学
IPC: G06V10/22 , G06V10/26 , G06V30/148 , G06V10/82 , G06N3/04
Abstract: 本发明涉及一种基于字符响应的字符和文本并行检测方法，包括以下步骤：步骤S1：采集含有文本的图片，标注字符区域和文本区域，构建字符和文本图片数据集；步骤S2：对文本图片数据集预处理，得到预处理后的文本图片数据集；步骤S3：基于深度卷积网络和自适应阈值构建字符和文本并行检测网络，并使用预处理后的文本图片数据集训练网络；步骤S4：将待识别的图片送入训练好的字符和文本并行检测网络，得到字符和文本的分割图像，对分割图像后处理，得到最终的检测结果。本发明能并行检测字符和文本，网络性能好，泛化能力强，适用于各种复杂场景的字符和文本检测任务。
-
公开(公告)号：CN114266953A
公开(公告)日：2022-04-01
申请号：CN202111601306.9
申请日：2021-12-24
Applicant: 福州大学
Abstract: 本发明提出一种基于深度学习的目标检测流程自优化方法，包括以下步骤：步骤S1：定义目标检测的标准流程以及目标检测流程可能用到的模块，确定可通过神经网络模块来优化的目标检测流程自优化空间；步骤S2：确定与自优化空间相关的限制条件以及所需参数配置，配置目标检测流程的自优化限制参数；步骤S3：将步骤S1的自优化空间与步骤S2的限制参数送入流程优化器，产生优化后的模型组及其相关配置；步骤S4：对步骤S3得到的模型组进行标准化完全训练，统计效果并输出最终模型组；本发明用于计算机视觉目标检测训练，能够有效的降低计算机视觉目标检测训练所需的人工时间成本，提升目标检测模型的综合能力。
-
Patent Agency Ranking
公开(公告)号：CN114266952A
公开(公告)日：2022-04-01
申请号：CN202111600850.1
申请日：2021-12-24
Applicant: 福州大学
IPC: G06V20/00 , G06V10/26 , G06V10/774 , G06V10/764 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出基于深监督的实时语义分割方法，包括以下步骤；步骤S1、针对特定的应用场景采集用于深监督的场景图像数据，构建场景图像数据库；步骤S2、对数据库中的场景图像进行像素级别标注，导出PASCAL VOC格式的标注文件，使之符合语义分割任务训练要求；步骤S3、构建基于深监督的实时语义分割网络CFSegNet；步骤S4、利用已标注的数据集对CFSegNet神经网络模型进行训练；步骤S5、对应用场景中采集到的图像数据进行预处理，然后输入到CFSegNet神经网络模型，得到图像语义分割结果；本发明准确率高，时效性好，对设备计算性能要求不高，适合部署到性能受限的终端设备中。
-
公开(公告)号：CN108491883B
公开(公告)日：2022-03-22
申请号：CN201810256988.6
申请日：2018-03-26
Applicant: 福州大学
IPC: G06K9/62 , G06V10/762 , G06V10/74 , G06V10/771
Abstract: 本发明涉及一种基于条件随机场的显著性检测优化方法，其特征在于，包括以下步骤：步骤S1：提取输入图像集合中各图像的全局深度卷积特征；步骤S2：根据全局深度卷积特征计算输入图像集合中两两图像之间的相似性；步骤S3：根据图像之间的相似性对输入图像集合进行K‑means聚类，形成k个相互独立的图像簇；步骤S4：采用网格搜索方法计算每个图像簇的全连接条件随机场最优参数；步骤S5：对于新的输入图像，判断其所属的图像簇，采用所属图像簇的全连接条件随机场最优参数对所述新的输入图像的显著性图进行优化。该方法适用于多种显著性检测算法的优化，且优化效果好。
-
公开(公告)号：CN112162734B
公开(公告)日：2022-03-08
申请号：CN202011148399.X
申请日：2020-10-23
Applicant: 福州大学
Abstract: 本发明提出集成化的机器学习算法库与统一编程框架(面向深度学习)，为一种面向深度学习的模型生成方法，包括以下步骤；步骤S1：指定数据集，顺序组合不同深度学习框架下的数据预处理方法，形成数据预处理模块；步骤S2：选择网络优化器，并配置其参数，形成网络优化器模块；步骤S3：选择一种主体网络结构，所选网络结构可基于不同深度学习框架实现，并配置其训练参数，形成网络结构模块；步骤S4：拼接模型各部分模块，开始模型训练，在训练过程中不断保存最优模型，在结束后得到最终模型准确率；本发明能够克服传统深度学习系统的指定单一框架编程方式的缺点，方便深度学习的应用。
-
公开(公告)号：CN108345881B
公开(公告)日：2021-12-21
申请号：CN201810101325.7
申请日：2018-02-01
Applicant: 福州大学
Abstract: 本发明涉及一种基于计算机视觉的文档质量检测方法。针对传统的人工肉眼检测困难，效率低，可靠性差，受到主观性影响较大的问题提出了基于计算机视觉的文档质量检测方法。为精确检测文档质量，该方法首先得通过合理的方法对高速文档打印视频进行静止帧提取；其次，基于计算机视觉的预处理方法对文档图像进行合适的图像预处理；再次，对预处理好得文档图像进行精确的轮廓检测和提取；紧接着，对提取到的文档轮廓图像进行倾斜矫正，使得畸形图像变为正常平铺的文档待检测图像；最后，对待检测图像进行PSNR和MSE质量评估，与模板进行比对，得出文档质量的检测结果。该方法拥有高效性、可靠性、连续性、灵活性等等特点，具有较强的实际应用性。
-
公开(公告)号：CN113449694A
公开(公告)日：2021-09-28
申请号：CN202110840307.2
申请日：2021-07-24
Applicant: 福州大学
Abstract: 本发明涉及一种基于Android的证件照合规性检测方法及系统，该方法包括以下步骤：步骤S1：检测图片是否存在人脸并确定五官关键点位置；步骤S2：将检测到的人脸框提取出来，进行眼部、嘴部、头部姿态判断；步骤S3：对检测合格的图片进行人像分割，进行证件照背景制作，制作各种底色的证件照以供选择；步骤S4：对要比较的图片进行人脸检测，对人脸框中的特征进行人脸比对，判断两张图片人脸相似度。该方法及系统可以有效地对图片进行证件照合规性检测以及证件照制作。
-
-
-
-
-
-
-
-
-
Search Results
298
records
(took 0.037 seconds)
