公开(公告)号：CN110689658A

公开(公告)日：2020-01-14

申请号：CN201910947944.2

申请日：2019-10-08

Applicant: 北京邮电大学

Inventor： 袁学光 ,  张阳安 ,  刘威良 ,  刘梦雅 ,  吴剑岚 ,  肖振宇

IPC: G07D7/20 ,  G06N3/04 ,  G06N3/08 ,  G06K9/34

Abstract: 一种基于深度学习的出租车票据识别方法及系统，系统包括能够与移动终端或者用户计算机通信的服务器或者包括带有摄像头的嵌入式终端，用于实现基于深度学习的出租车票据识别方法。方法包括将经过预处理的出租车票据图像输入至神经网络模型中，识别出所述出租车票据上的信息。神经网络模型包括单张图片多框识别深度学习网络和卷积循环神经网络两部分，使用单张图片多框识别深度学习网络识别出租车票据的信息区域，并对信息区域进行分割得到对应多种信息的信息图片；使用卷积循环神经网络识别所述信息图片中的信息。上述识别模型结构简单，识别准确率高，同时神经网络的训练数据准备方便，识别也迅速快捷，方便实现多人同时使用或者本地直接处理。

公开(公告)号：CN111724399A

公开(公告)日：2020-09-29

申请号：CN202010590244.5

申请日：2020-06-24

Applicant: 北京邮电大学

Inventor： 袁学光 ,  张虎 ,  张阳安 ,  常坤亮 ,  刘梦雅 ,  吴梦琪

IPC: G06T7/11 ,  G06T7/143 ,  G06T7/194 ,  G06N3/04

Abstract: 本发明提出了一种图像分割方法和终端，该方法包括：获取待分割的原始图像数据，并对原始图像数据进行数据增强，生成第二图像数据；将原始图像数据与第二图像数据分别输入训练好的类U-net结构的分割网络进行识别，得到与原始图像数据对应的第一概率图，以及与第二图像数据对应的第二概率图；基于第一概率图对多个第二概率图进行融合得到预测增强概率图；对预测增强分割概率图进行二值化处理得到图像分割结果。本方法能实现较精准的结节图像分割，不易受超声影像成像质量差的影响，且本方法通过预测增强技术，在无须训练多个模型且不提高单模型本身复杂度的前提下，提高最终的分割效果，能够显著抑制边缘区域的误分割问题。