-
公开(公告)号：CN112001292B
公开(公告)日：2024-01-09
申请号：CN202010832348.2
申请日：2020-08-18
Applicant: 大连海事大学
IPC: G06V40/14 , G06F16/51 , G06N3/0464 , G06V10/82 , G06V10/774 , G06V10/52
Abstract: 本发明提供一种基于多尺度注意力机制深度哈希的指静脉索引方法，包括：获取包括指静脉特征数据的训练集；对训练集进行遍历和扩充操作，得到扩充训练集；基于扩充训练集和预先构建的多尺度注意力特征提取模型，提取多尺度注意力机制指静脉深度特征；基于多尺度注意力机制指静脉深度特征和预先构建的分类监督模型、哈希编码模型、检索任务监督模型，进行三重损失函数的协同训练，生成最终的训练模型。本发明主要通过采用神经网络的方法并且加入多尺度注意力机制，相比较于传统的特征提取算法，特征的鲁棒性获得一定的提升，同时，本发明中的模型是端到端的，可以保证哈希编码和特征提取的整体性，编码质量和编码效率得到了保障。
-
公开(公告)号：CN112001292A
公开(公告)日：2020-11-27
申请号：CN202010832348.2
申请日：2020-08-18
Applicant: 大连海事大学
Abstract: 本发明提供一种基于多尺度注意力机制深度哈希的指静脉索引方法，包括：获取包括指静脉特征数据的训练集；对训练集进行遍历和扩充操作，得到扩充训练集；基于扩充训练集和预先构建的多尺度注意力特征提取模型，提取多尺度注意力机制指静脉深度特征；基于多尺度注意力机制指静脉深度特征和预先构建的分类监督模型、哈希编码模型、检索任务监督模型，进行三重损失函数的协同训练，生成最终的训练模型。本发明主要通过采用神经网络的方法并且加入多尺度注意力机制，相比较于传统的特征提取算法，特征的鲁棒性获得一定的提升，同时，本发明中的模型是端到端的，可以保证哈希编码和特征提取的整体性，编码质量和编码效率得到了保障。
-
公开(公告)号：CN111401172B
公开(公告)日：2023-10-27
申请号：CN202010153127.2
申请日：2020-03-06
Applicant: 大连海事大学
Abstract: 本发明提供一种基于视频的港口吊装料包自动计数方法，包括：训练得到料包模板，统计颜色特征；计数开启状态判定；检测与校正吊架区域；吊装料包排数判别；料包检测；建立料包跟踪模型，利用建立的料包跟踪模型对料包进行跟踪和预测；对料包跟踪模型得到的跟踪和预测结果进行置信度分析，获得料包计数结果。本发明的技术方案缓解了目前统计料包吊装过程中对人力需求过高的问题。本发明可以对吊装的起始，结束和空吊状态进行判定，并且准确的对料包吊装数量计数。
-
公开(公告)号：CN111401172A
公开(公告)日：2020-07-10
申请号：CN202010153127.2
申请日：2020-03-06
Applicant: 大连海事大学
Abstract: 本发明提供一种基于视频的港口吊装料包自动计数方法，包括：训练得到料包模板，统计颜色特征；计数开启状态判定；检测与校正吊架区域；吊装料包排数判别；料包检测；建立料包跟踪模型，利用建立的料包跟踪模型对料包进行跟踪和预测；对料包跟踪模型得到的跟踪和预测结果进行置信度分析，获得料包计数结果。本发明的技术方案缓解了目前统计料包吊装过程中对人力需求过高的问题。本发明可以对吊装的起始，结束和空吊状态进行判定，并且准确的对料包吊装数量计数。
-
-
-
Search Results
4
records
(took 0.02 seconds)
