-
公开(公告)号：CN111259184B
公开(公告)日：2022-03-08
申请号：CN202010122977.6
申请日：2020-02-27
Applicant: 厦门大学 , 福建联迪商用设备有限公司
IPC: G06F16/58
Abstract: 本发明涉及一种面向新零售的图像自动标注系统及方法。所述体现包括获取待标注图片和待标注图片对应的用于自动标注图片的测试单元，获取待标注图片中目标的位置信息和目标的标签的级联网络测试单元，检查标注结果是否是Ground Truth的测试单元，获取标注结果的测试单元。训练针对需要标注的目标的图像分割模型，拍摄待标注图片，以及在待标注图片的目标上放置写有数字的纸片的用于自动标注的图片，通过图像分割网络获取图片中目标的位置信息，并检查是否有误，通过深度学习网络获取目标上数字信息，检查无误后，通过数字与标签的对应关系确认目标的标签，将待标注图片的文件名，利用图片中各个目标的位置信息和标签，生成.csv格式文件，完成自动标注。
-
公开(公告)号：CN111259184A
公开(公告)日：2020-06-09
申请号：CN202010122977.6
申请日：2020-02-27
Applicant: 厦门大学 , 福建联迪商用设备有限公司
IPC: G06F16/58
Abstract: 本发明涉及一种面向新零售的图像自动标注系统及方法。所述体现包括获取待标注图片和待标注图片对应的用于自动标注图片的测试单元，获取待标注图片中目标的位置信息和目标的标签的级联网络测试单元，检查标注结果是否是Ground Truth的测试单元，获取标注结果的测试单元。训练针对需要标注的目标的图像分割模型，拍摄待标注图片，以及在待标注图片的目标上放置写有数字的纸片的用于自动标注的图片，通过图像分割网络获取图片中目标的位置信息，并检查是否有误，通过深度学习网络获取目标上数字信息，检查无误后，通过数字与标签的对应关系确认目标的标签，将待标注图片的文件名，利用图片中各个目标的位置信息和标签，生成.csv格式文件，完成自动标注。
-
公开(公告)号：CN109583357A
公开(公告)日：2019-04-05
申请号：CN201811413568.0
申请日：2018-11-23
Applicant: 厦门大学
Abstract: 本发明涉及一种改进LBP和轻量卷积神经网络级联的人脸识别方法，提供：对齐分区局部二值模式初次识别测试单元，APLBP与轻量化卷积神经网络级联的二次识别测试单元，APLBP识别测试单元，轻量化卷积神经网络并行流水线模块加速单元，计算平均识别率单元。将采集的人脸图像划分为主要区域和次要区域，对于人脸图像的主要区域与次要区域，提取中心点LBP像素特征值；通过级联的关系对APLBP识别并提取出的相似图像再加入轻量级卷积神经网络进行二次识别。充分融入了APLBP算法的速度优势和轻量化卷积神经网络的精度优势，通过对轻量化卷积神经网络的卷积层中耗时大的矩阵乘加运算使用并行模块进行加速，从而达到速度和准确率的双向提升。
-
公开(公告)号：CN109583357B
公开(公告)日：2022-07-08
申请号：CN201811413568.0
申请日：2018-11-23
Applicant: 厦门大学
Abstract: 本发明涉及一种改进LBP和轻量卷积神经网络级联的人脸识别方法，提供：对齐分区局部二值模式初次识别测试单元，APLBP与轻量化卷积神经网络级联的二次识别测试单元，APLBP识别测试单元，轻量化卷积神经网络并行流水线模块加速单元，计算平均识别率单元。将采集的人脸图像划分为主要区域和次要区域，对于人脸图像的主要区域与次要区域，提取中心点LBP像素特征值；通过级联的关系对APLBP识别并提取出的相似图像再加入轻量级卷积神经网络进行二次识别。充分融入了APLBP算法的速度优势和轻量化卷积神经网络的精度优势，通过对轻量化卷积神经网络的卷积层中耗时大的矩阵乘加运算使用并行模块进行加速，从而达到速度和准确率的双向提升。
-
-
-
Search Results
4
records
(took 0.033 seconds)
