-
公开(公告)号：CN116665105A
公开(公告)日：2023-08-29
申请号：CN202310646512.4
申请日：2023-06-02
Applicant: 上海建科工程咨询有限公司 , 宁波海棠信息技术有限公司
IPC: G06V20/40 , G06V10/40 , G06V10/764 , G06V10/766
Abstract: 本发明公开了一种基于中心对齐与运动挖掘的时空动作检测方法及系统，其中方法包括：将T帧视频帧输入预训练的骨干网络，进行特征提取；将提取的特征输入进三个分支，分别对边界框大小、动作矢量、中心点空间位置和动作类别进行获取；其中，在中心点定位分支和运动分支中采用中心对齐模型进行中心对齐，将相邻帧上的动作中心对齐关键帧；采用运动挖掘模型挖掘判别性运动特征，并利用掩码机制过滤与关注动作无关的运动信息。本发明使动作中心在帧间对齐，并获取具有判别性的运动特征，解决了快速运动产生的误检问题，并且显著降低了计算复杂度，更加适合于实际场景中的应用。
-
公开(公告)号：CN114140745A
公开(公告)日：2022-03-04
申请号：CN202111428490.1
申请日：2021-11-29
Applicant: 上海建科工程咨询有限公司 , 宁波海棠信息技术有限公司
IPC: G06V20/52 , G06V10/25 , G06V10/762 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明上述实施例提供的施工现场人员属性检测方法、系统、装置及介质，获取待检测施工区域的巡检图像；将巡检图像输入至一级人员检测模型，获得目标人员的所在区域图像，获取所在区域图像内的目标人员的像素尺寸大小以及置信度，并使得尺度大小和置信度满足人员属性识别条件；将满足人员属性识别条件的目标人员的所在区域图像输入至二级人员属性识别模型，得到目标人员的属性检测结果，并判断属性检测结果是否符合规范，完成人员属性检测。本发明通过远近结合的二级检测结构，将人员与人员属性进行分级检出，有利于提高人员属性不合规范事件的检出准确率，降低误检率，从而满足常规施工场景下人员属性检测需求，节省人力成本，降低施工隐患。
-
公开(公告)号：CN113409246A
公开(公告)日：2021-09-17
申请号：CN202110402009.5
申请日：2021-04-14
Applicant: 宁波海棠信息技术有限公司 , 上海建科工程咨询有限公司
Abstract: 本发明公开了一种钢筋头计数、定位方法及系统，该方法包括：提取出原始图像的初步特征；将不同层级间的初步特征进行融合，得到融合特征；对融合特征进行密度图估计运算，得到密度图；对密度图进行积分求和得到最终钢筋头数目；利用密度图估计出钢筋头的位置。该系统包括：浅层特征提取模块、特征融合模块、密度图估计模块、积分求和模块以及定位模块。通过本发明，将深度学习中的密集计数方法应用到工业生产中的钢筋计数，并且在计数的同时能提供钢筋的位置，代替了以前工业生产中工人的工作，提高了生产效率。
-
公开(公告)号：CN114373115B
公开(公告)日：2024-11-26
申请号：CN202111559563.0
申请日：2021-12-20
Applicant: 上海建科工程咨询有限公司 , 宁波海棠信息技术有限公司
IPC: G06V20/00 , G06V10/44 , G06V10/77 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种临边目标检测方法、装置、终端及介质，该方法包括：采集待检测区域的图像；将图像输入至特征提取网络内，作为骨干网络，提取图像的深度特征；将图像的深度特征输入至区域生成网络模块内，得到目标候选框；将目标候选框及图像的深度特征输入到区域特征提取模块内，获取公共特征；将公共特征输送至高度差预测模块，得到边缘高度特征图；将所述S14得到的公共特征输送至第一分类与回归模块，获取分类特征图；将边缘高度特征图与分类特征图进行融合，将融合后的特征图送入第二分类与回归模块，得到目标检出框。本发明降低了目标检测中难分负样本对模型精度的影响，提升了模型的精度，减小了监控系统中临边目标的检测误检率。
-
公开(公告)号：CN116883773A
公开(公告)日：2023-10-13
申请号：CN202310648281.0
申请日：2023-06-02
Applicant: 上海建科工程咨询有限公司 , 宁波海棠信息技术有限公司
IPC: G06V10/774 , G06V10/74 , G06V10/52 , G06V10/80 , G06V10/82 , G06V10/778 , G06N3/042 , G06N3/047 , G06N3/048 , G06N3/096
Abstract: 本发明公开了一种基于知识迁移的图像异常检测方法及系统，采用预训练教师网络和学生网络，构建图像异常检测初始模型；获取正常样本，通过帧内蒸馏将预训练教师网络的知识迁移到学生网络；存储预训练教师网络与学生网络之间表征差异最大的近异常样本作为帧间原型特征库；根据概率策略选择帧内蒸馏和帧间蒸馏，分别训练学生网络的正常样本表征能力和近异常样本的表征能力，得到图像异常检测模型，获得待检测图像样本的多尺度特征差异，作为图像异常得分，检测出图像异常样本。本发明有利于模型学习更丰富的正常样本特征，形成一个更符合实际需求的决策边界，从而降低异常检测的误检率，更加适合于工业表面缺陷检测等场景中的应用。
-
Patent Agency Ranking
公开(公告)号：CN114373115A
公开(公告)日：2022-04-19
申请号：CN202111559563.0
申请日：2021-12-20
Applicant: 上海建科工程咨询有限公司 , 宁波海棠信息技术有限公司
IPC: G06V20/00 , G06V10/44 , G06V10/77 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种临边目标检测方法、装置、终端及介质，该方法包括：采集待检测区域的图像；将图像输入至特征提取网络内，作为骨干网络，提取图像的深度特征；将图像的深度特征输入至区域生成网络模块内，得到目标候选框；将目标候选框及图像的深度特征输入到区域特征提取模块内，获取公共特征；将公共特征输送至高度差预测模块，得到边缘高度特征图；将所述S14得到的公共特征输送至第一分类与回归模块，获取分类特征图；将边缘高度特征图与分类特征图进行融合，将融合后的特征图送入第二分类与回归模块，得到目标检出框。本发明降低了目标检测中难分负样本对模型精度的影响，提升了模型的精度，减小了监控系统中临边目标的检测误检率。
-
公开(公告)号：CN116152174A
公开(公告)日：2023-05-23
申请号：CN202211660575.7
申请日：2022-12-23
Applicant: 宁波海棠信息技术有限公司
IPC: G06T7/00 , G06V10/774 , G06V10/778 , G06V10/82
Abstract: 本发明属于缺陷检测技术领域，提供了一种跨类别的工业缺陷检测方法、装置及介质，包括：S1：将获取的待检测样本图像通过预训练的归一化流模型得到图像中的疑似缺陷区域，并将所述疑似缺陷区域对应的图像块屏蔽；S2：基于经训练的屏蔽自编码器，利用剩余未被屏蔽的图像块重构出被屏蔽的图像块；S3：由重构图像块的视觉词元和屏蔽图像块的原始视觉词元之间的不确定度作为重构误差的计算方式，生成对应的异常得分图，并基于异常得分图确定待检测样本的缺陷区域。本发明的优点在于对于新出现的工业产品类别，此方法下的模型不需要重新训练即可以用于该类别的缺陷检测，更适合于产品类别多样化的工业缺陷检测等场景中的应用。
-
公开(公告)号：CN113705672A
公开(公告)日：2021-11-26
申请号：CN202110996113.1
申请日：2021-08-27
Applicant: 国网浙江省电力有限公司双创中心 , 宁波海棠信息技术有限公司 , 国家电网有限公司
Abstract: 本申请公开了一种图像目标检测的阈值选取方法、系统、装置及计算机可读存储介质，包括：获取每个样本数据的正样本置信度值或负样本置信度值；利用所有正样本置信度值和所有负样本置信度值，分别进行拟合得到正样本置信度指数分布函数和负样本置信度指数分布函数；利用正样本置信度指数分布函数和负样本置信度指数分布函数，获取全局置信度阈值；当检测到当前图像中有至少一个正样本时，利用检测阈值修正公式修正当前检测阈值；当没有检测到正样本时，则设置当前目标检测阈值等于全局置信度阈值。本申请利用综合了正负样本置信度的全局置信度阈值对当前目标检测阈值进行修正，平衡了误检和漏检，得到了一种更优的图像目标检测效果。
-
公开(公告)号：CN118587190A
公开(公告)日：2024-09-03
申请号：CN202410761768.4
申请日：2024-06-13
Applicant: 宁波海棠信息技术有限公司
IPC: G06T7/00
Abstract: 本发明提供了一种类别自适应图像异常检测方法及系统，提供一异常检测模型，训练时，从原型库中任选与输入样本同类别的作为参考样本，并通过空间对齐模块将参考样本与待训练的输入对齐；通过编码器提取输入样本与参考样本的特征；通过疑似异常替换模块将输入样本中的潜在异常特征进行替换；通过输入‑参考融合模块将参考样本和输入样本的特征进行融合；将融合的特征输入解码器，得到输入样本的重建特征。异常检测时，无需微调模型，直接重复上述流程得到重建差异，并得到异常得分。本发明大大降低了存储成本、人工成本和计算开销，更加适合于产品种类多样化且不断更新的工业产品表面缺陷检测等应用。
-
公开(公告)号：CN113705672B
公开(公告)日：2024-03-26
申请号：CN202110996113.1
申请日：2021-08-27
Applicant: 国网浙江省电力有限公司双创中心 , 宁波海棠信息技术有限公司 , 国家电网有限公司
IPC: G06V10/764 , G06V10/774 , G06N3/0464 , G06V10/82 , G06N3/08
Abstract: 本申请公开了一种图像目标检测的阈值选取方法、系统、装置及计算机可读存储介质，包括：获取每个样本数据的正样本置信度值或负样本置信度值；利用所有正样本置信度值和所有负样本置信度值，分别进行拟合得到正样本置信度指数分布函数和负样本置信度指数分布函数；利用正样本置信度指数分布函数和负样本置信度指数分布函数，获取全局置信度阈值；当检测到当前图像中有至少一个正样本时，利用检测阈值修正公式修正当前检测阈值；当没有检测到正样本时，则设置当前目标检测阈值等于全局置信度阈值。本申请利用综合了正负样本置信度的全局置信度阈值对当前目标检测阈值进行修正，平衡了误检和漏检，得到了一种更优的图像目标检测效果。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.054 seconds)
