-
公开(公告)号：CN114387572A
公开(公告)日：2022-04-22
申请号：CN202210027025.5
申请日：2022-01-11
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种交通执法影像中基于AI技术的闯红灯违法车辆匹配方法。该方法从连续多张违法影像中按照时间戳依次获取违法影像，先通过定位模块定位得到违法影像中的所有车辆作为候选车辆集合；再针对候选车辆集合中的每一辆候选车辆，通过车牌识别模型识别出候选车辆车牌号，同时通过所述车辆分类模型得到候选车辆类别概率分布；然后计算候选车辆集合中的每一辆候选车辆与目标车辆之间的匹配指数，将匹配指数最小的候选车辆作为匹配车辆。本发明提供的车辆匹配方法具有较高的匹配准确率，即使在黑夜、阴天、雨天、雾天场景下，仍具有不错的表现。而且本发明将极大减轻人工工作量，同时还可以减少执法尺度不一、疲劳判读、错误判读等情况的发生。
-
Patent Agency Ranking
公开(公告)号：CN119600308B
公开(公告)日：2025-05-09
申请号：CN202510142955.9
申请日：2025-02-10
Applicant: 杭州电子科技大学
IPC: G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0985
Abstract: 本发明公开了一种基于注意力机制的晶圆特征模块检测方法。该方法首先收集不同光源拍摄下的晶圆图像作为训练样本，标注图像中晶圆特征模块的信息，作为训练标签；基于元学习的方法，将训练集随机划分为支持集和查询集。通过骨干网络，分别从支持集和查询集的图像中提取得到特征图X和特征图Y。利用特征图X生成一组卷积核，用于对特征图Y进行深度卷积，然后通过RPN网络生成查询集的预测框。利用训练标签，对生成的预测框进行判别，并计算损失函数完成对模型参数的优化；将特征模块位置待检测的晶圆图像作为查询集，与支持集一同输入训练后的模型中，得到查询集的晶圆图像是否存在特征模块以及特征模块位置的预测结果。
-
公开(公告)号：CN118212632A
公开(公告)日：2024-06-18
申请号：CN202410258719.9
申请日：2024-03-07
Applicant: 杭州电子科技大学
IPC: G06V20/68 , G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/084 , G06N3/0985 , G06N3/096
Abstract: 本发明公开了一种面向AI智慧餐厅的菜品增量识别方法、系统、介质和设备，涉及深度学习的目标分类领域。包括：构建菜品增量识别模型，并对菜品增量识别模型进行初始化阶段的训练以及增量学习阶段的训练，最后将预处理后的待分类图像输入到训练好的菜品增量识别模型中，得到待分类图像的菜品类别预测结果。本发明通过将随机权神经网络与传统卷积神经网络相结合，本发明精心设计并优化了两个训练阶段，以实现对新菜品的增量学习，解决了当前AI智慧餐厅场景下传统深度学习方法无法增量学习新菜品特征的难点。相较传统的增量学习方法，本发明所提出的方法具有更强的抗遗忘能力，且具备较强高的识别准确率、良好的框架通用性。
-
公开(公告)号：CN119600308A
公开(公告)日：2025-03-11
申请号：CN202510142955.9
申请日：2025-02-10
Applicant: 杭州电子科技大学
IPC: G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0985
Abstract: 本发明公开了一种基于注意力机制的晶圆特征模块检测方法。该方法首先收集不同光源拍摄下的晶圆图像作为训练样本，标注图像中晶圆特征模块的信息，作为训练标签；基于元学习的方法，将训练集随机划分为支持集和查询集。通过骨干网络，分别从支持集和查询集的图像中提取得到特征图X和特征图Y。利用特征图X生成一组卷积核，用于对特征图Y进行深度卷积，然后通过RPN网络生成查询集的预测框。利用训练标签，对生成的预测框进行判别，并计算损失函数完成对模型参数的优化；将特征模块位置待检测的晶圆图像作为查询集，与支持集一同输入训练后的模型中，得到查询集的晶圆图像是否存在特征模块以及特征模块位置的预测结果。
-
公开(公告)号：CN114387572B
公开(公告)日：2024-04-09
申请号：CN202210027025.5
申请日：2022-01-11
Applicant: 杭州电子科技大学
IPC: G06V20/54 , G06V10/74 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种交通执法影像中基于AI技术的闯红灯违法车辆匹配方法。该方法从连续多张违法影像中按照时间戳依次获取违法影像，先通过定位模块定位得到违法影像中的所有车辆作为候选车辆集合；再针对候选车辆集合中的每一辆候选车辆，通过车牌识别模型识别出候选车辆车牌号，同时通过所述车辆分类模型得到候选车辆类别概率分布；然后计算候选车辆集合中的每一辆候选车辆与目标车辆之间的匹配指数，将匹配指数最小的候选车辆作为匹配车辆。本发明提供的车辆匹配方法具有较高的匹配准确率，即使在黑夜、阴天、雨天、雾天场景下，仍具有不错的表现。而且本发明将极大减轻人工工作量，同时还可以减少执法尺度不一、疲劳判读、错误判读等情况的发生。
-
公开(公告)号：CN115223112A
公开(公告)日：2022-10-21
申请号：CN202210921648.7
申请日：2022-08-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于语义分割的待行区检测方法，涉及深度学习中的语义分割领域。本发明可用于对交通非现场执法影像中的左转待行区或右转待行区进行检测，该方法通过对图像进行像素级预测，得到代表待行区两侧曲线形式车道线的像素点，然后通过聚类及拟合算法得到曲线模型，最后连接曲线两端获得待行区区域。本发明对复杂环境下的待行区检测具有很好的效果，且对待行区检测的准确性较高。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
