-
公开(公告)号：CN111062310B
公开(公告)日：2022-07-29
申请号：CN201911280878.4
申请日：2019-12-13
Applicant: 哈尔滨工程大学
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/75 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明属于机器学习领域，具体涉及实用性很强的一种基于虚拟样本生成的少样本无人机图像识别方法。本发明通过摄像装置由地对空远距离拍摄一段帧数为N的无人机飞行的短视频，获取N个的无人机区域作为正样本，结合其它相关视频收集树、楼、云、鸟、风筝、气球等干扰小区域作为负样本，作为训练样本集。本发明的有益效果在于：在不过度失真的情况下，增加样本的有效信息和多样性，从而提升了模型的泛化能力；识别算法部分中，快速DPM模型采用固定了根滤波器输入的特征图和锚点的位置以及符合无人机模块化特征的部件模型，提升了运行速度和准确率。
-
公开(公告)号：CN111062310A
公开(公告)日：2020-04-24
申请号：CN201911280878.4
申请日：2019-12-13
Applicant: 哈尔滨工程大学
Abstract: 本发明属于机器学习领域，具体涉及实用性很强的一种基于虚拟样本生成的少样本无人机图像识别方法。本发明通过摄像装置由地对空远距离拍摄一段帧数为N的无人机飞行的短视频，获取N个的无人机区域作为正样本，结合其它相关视频收集树、楼、云、鸟、风筝、气球等干扰小区域作为负样本，作为训练样本集。本发明的有益效果在于：在不过度失真的情况下，增加样本的有效信息和多样性，从而提升了模型的泛化能力；识别算法部分中，快速DPM模型采用固定了根滤波器输入的特征图和锚点的位置以及符合无人机模块化特征的部件模型，提升了运行速度和准确率。
-
公开(公告)号：CN111046866B
公开(公告)日：2023-04-18
申请号：CN201911289182.8
申请日：2019-12-13
Applicant: 哈尔滨工程大学
IPC: G06V30/14 , G06V30/148 , G06V30/18 , G06V30/19 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/084
Abstract: 本发明涉及一种结合CTPN和SVM的人民币冠字号区域检测方法，包括以下步骤：通过摄像设备拍摄各币值人民币，标注人民币冠字号区域为正样本，其他区域为负样本，建立样本集；利用样本集训练CTPN网络，得到提议冠字号区域的初步定位模型；对样本集进行预处理并提取投影统计特征向量，训练SVM，得到能筛选冠字号区域的二次判别模型；进行检测时，对获得的待检测人民币图片，先利用初步定位模型提议多个候选的冠字号区域，再提取候选区域的投影统计特征向量，并结合二次判别模型，得到正确的冠字号区域。本发明的有益效果是：在大幅减小漏检概率的同时，提高了检测冠字号区域的准确度；在人民币图片变色、模糊等情况下仍具备准确识别冠字号区域的能力。
-
公开(公告)号：CN111046866A
公开(公告)日：2020-04-21
申请号：CN201911289182.8
申请日：2019-12-13
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种结合CTPN和SVM的人民币冠字号区域检测方法，包括以下步骤：通过摄像设备拍摄各币值人民币，标注人民币冠字号区域为正样本，其他区域为负样本，建立样本集；利用样本集训练CTPN网络，得到提议冠字号区域的初步定位模型；对样本集进行预处理并提取投影统计特征向量，训练SVM，得到能筛选冠字号区域的二次判别模型；进行检测时，对获得的待检测人民币图片，先利用初步定位模型提议多个候选的冠字号区域，再提取候选区域的投影统计特征向量，并结合二次判别模型，得到正确的冠字号区域。本发明的有益效果是：在大幅减小漏检概率的同时，提高了检测冠字号区域的准确度；在人民币图片变色、模糊等情况下仍具备准确识别冠字号区域的能力。
-
-
-
Search Results
4
records
(took 0.022 seconds)
