-
公开(公告)号：CN108320374B
公开(公告)日：2019-12-03
申请号：CN201810129012.2
申请日：2018-02-08
Applicant: 中南大学
IPC: G07D7/206 , G07D7/20 , G06K9/62 , G07D7/0047
Abstract: 本发明公开一种基于图像指纹的多国纸币冠字号字符识别方法，属于纸币模式识别技术领域。基于多国纸币冠字号字符图片的模板集和样本集，利用感知哈希算法生成训练样本数据，构建基于SVM分类器的分类模型，并利用训练样本数据对分类模型进行训练，利用训练好的分类模型对待处理纸币的冠字号字符图片进行识别。本发明方法将纸币冠字号字符识别过程中的单个特征转换为多个特征，并采用基于SVM分类器的方法进行识别，对样本需求量小，训练速度快，识别速度快，而且具有很好的抗干扰能力，能提高预测时的容错率。
-
公开(公告)号：CN108198324B
公开(公告)日：2019-11-08
申请号：CN201810130525.5
申请日：2018-02-08
Applicant: 中南大学
Abstract: 本发明公开一种基于图像指纹的多国纸币币种识别方法，属于纸币模式识别技术领域。基于多国纸币背景图片的模板集和样本集，利用感知哈希算法生成训练样本数据，构建基于SVM分类器的分类模型，并利用训练样本数据对分类模型进行训练，利用训练好的分类模型对待处理纸币图片进行预测，识别币种。本发明方法将纸币识别过程中的单个特征转换为多个特征，并采用基于SVM分类器的方法进行识别，对样本需求量小，训练速度快，识别速度快，而且具有很好的抗干扰能力，能提高预测时的容错率。
-
公开(公告)号：CN116309741A
公开(公告)日：2023-06-23
申请号：CN202310571892.X
申请日：2023-05-22
Applicant: 中南大学
Abstract: 本发明公开了一种TVDS图像配准方法、分割方法、设备及介质，其中配准方法包括：获取待配准TVDS图像并识别车厢型号；根据车厢型号搜索对应模板图像；对待配准TVDS图像和模板图像进行特征提取；基于滑动窗口的方式对待配准TVDS图像和模板图像中非感兴趣区域进行特征筛选；采用双向匹配策略对特征点进行匹配；将待配准TVDS图像与模板图像垂直排列，各特征点匹配对之间进行连线，依次剔除交点数最多的特征点匹配对，直至所有连线无交点；基于剔除后的匹配结果计算两图像之间的变换参数矩阵，基于变换参数矩阵对待配准TVDS图像进行畸变校正。能够有效解决同型不同主体列车图像之间的配准问题，减少对模板图像的需求。
-
公开(公告)号：CN116309741B
公开(公告)日：2023-08-11
申请号：CN202310571892.X
申请日：2023-05-22
Applicant: 中南大学
Abstract: 本发明公开了一种TVDS图像配准方法、分割方法、设备及介质，其中配准方法包括：获取待配准TVDS图像并识别车厢型号；根据车厢型号搜索对应模板图像；对待配准TVDS图像和模板图像进行特征提取；基于滑动窗口的方式对待配准TVDS图像和模板图像中非感兴趣区域进行特征筛选；采用双向匹配策略对特征点进行匹配；将待配准TVDS图像与模板图像垂直排列，各特征点匹配对之间进行连线，依次剔除交点数最多的特征点匹配对，直至所有连线无交点；基于剔除后的匹配结果计算两图像之间的变换参数矩阵，基于变换参数矩阵对待配准TVDS图像进行畸变校正。能够有效解决同型不同主体列车图像之间的配准问题，减少对模板图像的需求。
-
Patent Agency Ranking
公开(公告)号：CN109345684A
公开(公告)日：2019-02-15
申请号：CN201810756819.9
申请日：2018-07-11
Applicant: 中南大学
IPC: G07D7/20 , G07D7/2033 , G06K9/62
Abstract: 本发明公开一种基于GMDH-SVM深度神经网络的多国纸币冠字号识别方法，属于模式识别技术领域。首先基于多国纸币采集冠字号图片，利用图片处理得到的特征构数据建立训练样本数据集，构建基于GMDH-SVM分类器的分类模型，利用所建立的训练样本数据集对分类模型进行训练，将待预测图片的数据特征数据输入到训练好的分类模型中，进行预测。本发明的分类模型通过采用GMDH-SVM的分类模型，构建可以自由生长的深度神经网络，可以提高模型的自适应程度，并通过将特征通过两两组合的方式进行输入，可以加快训练的速度，在神经网络生长的过程中，对一些误差较大的特征组合进行过滤，可以提高抗干扰能力和准确率；GMDH-SVM深度神经网络对样本需求量小，训练速度快，识别准确率高，可以完成在线的模型训练和预测。
-
公开(公告)号：CN108198324A
公开(公告)日：2018-06-22
申请号：CN201810130525.5
申请日：2018-02-08
Applicant: 中南大学
Abstract: 本发明公开一种基于图像指纹的多国纸币币种识别方法，属于纸币模式识别技术领域。基于多国纸币背景图片的模板集和样本集，利用感知哈希算法生成训练样本数据，构建基于SVM分类器的分类模型，并利用训练样本数据对分类模型进行训练，利用训练好的分类模型对待处理纸币图片进行预测，识别币种。本发明方法将纸币识别过程中的单个特征转换为多个特征，并采用基于SVM分类器的方法进行识别，对样本需求量小，训练速度快，识别速度快，而且具有很好的抗干扰能力，能提高预测时的容错率。
-
公开(公告)号：CN114998234B
公开(公告)日：2025-01-24
申请号：CN202210572504.5
申请日：2022-05-25
Applicant: 中南大学 , 中国铁路上海局集团有限公司科学技术研究所
Abstract: 本发明公开了一种基于数据增强策略的自监督弹簧缺陷检测方法，包括：获取待检测弹簧图像；将待检测弹簧图像输入训练完成的弹簧缺陷检测模型，得到弹簧缺陷检测结果。训练弹簧缺陷检测模型过程中，通过随机“裁剪‑粘贴”原始图像块的数据增强策略为自监督学习提供监督信号，从而使得网络有能力从大量未标注数据中学习到真实模式的潜在表征，为后续弹簧缺陷检测提供有用的视觉表示。从而实现了能够快速准确地判断一张TVDS测试图像中的弹簧部位是否存在缺陷，可以排除大量车辆弹簧正常运行状态图像，筛选出存在异常概率较大的图像并进行缺陷部位定位与展示，大大减轻工作人员的负担，同时提升异常检测的准确率和及时性。
-
公开(公告)号：CN114998234A
公开(公告)日：2022-09-02
申请号：CN202210572504.5
申请日：2022-05-25
Applicant: 中南大学
Abstract: 本发明公开了一种基于数据增强策略的自监督弹簧缺陷检测方法，包括：获取待检测弹簧图像；将待检测弹簧图像输入训练完成的弹簧缺陷检测模型，得到弹簧缺陷检测结果。训练弹簧缺陷检测模型过程中，通过随机“裁剪‑粘贴”原始图像块的数据增强策略为自监督学习提供监督信号，从而使得网络有能力从大量未标注数据中学习到真实模式的潜在表征，为后续弹簧缺陷检测提供有用的视觉表示。从而实现了能够快速准确地判断一张TVDS测试图像中的弹簧部位是否存在缺陷，可以排除大量车辆弹簧正常运行状态图像，筛选出存在异常概率较大的图像并进行缺陷部位定位与展示，大大减轻工作人员的负担，同时提升异常检测的准确率和及时性。
-
公开(公告)号：CN108320374A
公开(公告)日：2018-07-24
申请号：CN201810129012.2
申请日：2018-02-08
Applicant: 中南大学
IPC: G07D7/206 , G07D7/20 , G06K9/62 , G07D7/0047
Abstract: 本发明公开一种基于图像指纹的多国纸币冠字号字符识别方法，属于纸币模式识别技术领域。基于多国纸币冠字号字符图片的模板集和样本集，利用感知哈希算法生成训练样本数据，构建基于SVM分类器的分类模型，并利用训练样本数据对分类模型进行训练，利用训练好的分类模型对待处理纸币的冠字号字符图片进行识别。本发明方法将纸币冠字号字符识别过程中的单个特征转换为多个特征，并采用基于SVM分类器的方法进行识别，对样本需求量小，训练速度快，识别速度快，而且具有很好的抗干扰能力，能提高预测时的容错率。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.014 seconds)
