公开(公告)号：CN114549401A

公开(公告)日：2022-05-27

申请号：CN202210001738.4

申请日：2022-01-04

Applicant: 南京大学

Inventor： 孙正兴 ,  张胜 ,  朱毅欢 ,  张巍

IPC: G06T7/00 ,  G06T7/277 ,  G06T7/73 ,  G06V10/44 ,  G06V10/74 ,  G06V10/762 ,  G06V10/764 ,  G06K9/62

Abstract: 本发明公开了一种面向交通设施巡检的视觉缺陷在线检测方法，包括离线训练和在线巡检两部分。离线训练时采用带有包围框和类别标注的缺陷数据集作为训练数据，训练CrackDet检测模型，结合深度学习算法和传统算法的优势；同时裁剪出不同种类的缺陷图像块，使用度量学习模型进行训练。在线巡检时，对于输入的视频帧，使用检测模型检测得到缺陷类别和位置；使用卡尔曼滤波器计算检测框的运动特征；使用度量学习模型计算缺陷的外观特征；对检测到的缺陷进行跟踪并统计；根据跟踪轨迹中检测得到的类别进行投票确定其缺陷种类；最终实现在线巡检，得到交通设施巡检时所出现的缺陷的种类、大小、位置以及数量。

公开(公告)号：CN111461134A

公开(公告)日：2020-07-28

申请号：CN202010418529.0

申请日：2020-05-18

Applicant: 南京大学

Inventor： 孙正兴 ,  余佩雯 ,  张胜 ,  朱毅欢

IPC: G06K9/34 ,  G06K9/62 ,  G06T3/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于生成对抗网络的低分辨率车牌识别方法，包括以下步骤：1)构建图像增强模块：根据输入的低分辨率的车牌字符图像集进行训练，训练得到能生成更逼近真实图像的高分辨率车牌字符的图像生成模型；2)构建图像识别模块：利用生成的高分辨率车牌字符图像和真实的车牌字符图像进行训练，通过迭代优化损失，从而提高判别模型对输入图像的真假判别能力和识别效果；3)整体框架训练：包括数据预处理、模型框架训练及测试三个阶段。本发明方法实现了端到端的低分辨率车牌自动识别，能够有效提高低分辨率车牌的辨识度和识别精度。

公开(公告)号：CN111461134B

公开(公告)日：2023-04-07

申请号：CN202010418529.0

申请日：2020-05-18

Applicant: 南京大学

Inventor： 孙正兴 ,  余佩雯 ,  张胜 ,  朱毅欢

IPC: G06V20/62 ,  G06V30/148 ,  G06V30/19 ,  G06V10/82 ,  G06T3/40 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明提供了一种基于生成对抗网络的低分辨率车牌识别方法，包括以下步骤：1)构建图像增强模块：根据输入的低分辨率的车牌字符图像集进行训练，训练得到能生成更逼近真实图像的高分辨率车牌字符的图像生成模型；2)构建图像识别模块：利用生成的高分辨率车牌字符图像和真实的车牌字符图像进行训练，通过迭代优化损失，从而提高判别模型对输入图像的真假判别能力和识别效果；3)整体框架训练：包括数据预处理、模型框架训练及测试三个阶段。本发明方法实现了端到端的低分辨率车牌自动识别，能够有效提高低分辨率车牌的辨识度和识别精度。