-
公开(公告)号：CN108229319A
公开(公告)日：2018-06-29
申请号：CN201711226281.2
申请日：2017-11-29
Applicant: 南京大学
Abstract: 基于帧间差异与卷积神经网络融合的船舶视频检测方法，包括四个部分：对视频作预处理、获取每一帧的ROI区域并提取浅层特征、用修改的VGG16网络获取每一帧图的高层特征、预测每一帧ROI区域船舶显著图并提取船舶目标。本发明充分利用了视频前后帧之间的联系，减小了背景的干扰，准确定位运动船舶，获得了船舶运动的区域，相比于只利用低层特征的船舶图像显著性检测，既能够直接应用于船舶视频的检测，又减少了检测船舶不全的情况，对复杂内河运动船舶场景的适应性更强，检测精度更高，解决了内河船舶目标显著性检测不准确的问题，具有极高的实际应用价值。
-
公开(公告)号：CN106845424B
公开(公告)日：2020-05-05
申请号：CN201710059678.0
申请日：2017-01-24
Applicant: 南京大学
Abstract: 基于深度卷积神经网络的路面遗留物检测方法，移动终端检测点作为道路摄像头，移动终端检测点通过摄像头获取图像信息，将深度学习引入路面事件识别并加以改进，以显著提高道路事件识别准确率。本发明利用卷积神经网络对获取的图像进行分析，解决移动摄像机与静止图像目标检测，将路面ROI区域划分为多个网络，构建路面—非路面识别模型，通过非路面网格反向识别高速公路路面遗留物、路面抛洒物等静态目标。本发明应用于路面遗留物、路面抛洒物等非实时性任务，充分利用移动互联网的特点与优势，以低成本实现区域高覆盖率路面遗留物等路面事件检测。
-
公开(公告)号：CN106845424A
公开(公告)日：2017-06-13
申请号：CN201710059678.0
申请日：2017-01-24
Applicant: 南京大学
Abstract: 基于深度卷积神经网络的路面遗留物检测方法，移动终端检测点作为道路摄像头，移动终端检测点通过摄像头获取图像信息，将深度学习引入路面事件识别并加以改进，以显著提高道路事件识别准确率。本发明利用卷积神经网络对获取的图像进行分析，解决移动摄像机与静止图像目标检测，将路面ROI区域划分为多个网络，构建路面—非路面识别模型，通过非路面网格反向识别高速公路路面遗留物、路面抛洒物等静态目标。本发明应用于路面遗留物、路面抛洒物等非实时性任务，充分利用移动互联网的特点与优势，以低成本实现区域高覆盖率路面遗留物等路面事件检测。
-
-
Search Results
3
records
(took 0.025 seconds)
