基于深度学习的列车车号精确定位与识别方法

    公开(公告)号:CN110991447A

    公开(公告)日:2020-04-10

    申请号:CN201911166263.9

    申请日:2019-11-25

    Abstract: 本发明提供了一种基于深度学习的列车车号精确定位与识别方法,包括:采集列车全景图,对所述全景图进行尺寸调整;构建列车车号定位网络,并将调整后的全景图作为训练集对列车车号定位网络进行训练;根据列车车号定位网络输出的列车车号区域对列车车号识别网络进行训练;将需要识别的列车全景图进行尺寸调整,并输入到已训练好的车号定位网络,得到精确定位的列车车号区域;将列车车号区域输入到训练好的车号识别网络进行识别,得到车号数字识别结果。通过该方法能够处理任意长度的车号序列,解决了复杂场景中手工特征和现有深度学习方法定位精准度低、难以区分小尺寸车号的缺点,而且不涉及字符分割,实现了整体识别。

    一种姿态特征引导的细粒度人物交互关系检测方法

    公开(公告)号:CN119942074A

    公开(公告)日:2025-05-06

    申请号:CN202510009531.5

    申请日:2025-01-03

    Abstract: 本发明提供一种姿态特征引导的细粒度人物交互关系检测方法,包括:S1提取待识别图像的特征,对提取的特征进行目标分类操作,获得待识别图像中的人、物体的边界框和对应的类别;S2将提取的特征中的人与物体进行两两配对,获得人—物交互对;对获得的人—物交互对进行姿态特征和视觉特征融合操作;S3对步骤S2的执行结果进行冗余人—物交互对的过滤操作,获得前K个具有较高交互可能性的人—物交互对;S4将前K个具有较高交互可能性的人—物交互对输入到姿态结构解码器模块中进行处理,获得人—物交互的类别检测结果。本发明提供的方法提高了模型对复杂场景中细粒度交互的识别能力;充分利用人类姿态和特征信息,增强了对交互细节的捕捉。

Patent Agency Ranking