-
公开(公告)号：CN110895707B
公开(公告)日：2023-06-20
申请号：CN201911196183.8
申请日：2019-11-28
Applicant: 江南大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/25 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种强遮挡条件下洗衣机内衣物类型的深度判别方法，属于智能制造及人工智能技术领域。本发明通过设计一个基于图像的目标检测网络完成洗衣机内衣物类型的检测，且针对洗衣机内衣物存在强遮挡的情况，提出一种基于双向多尺度融合的区域生成网络，通过多尺度特征的正向与方向融合，实现不同层特征间的信息交流，提高检测网络对目标尺度变化的适应性。
-
公开(公告)号：CN110991311B
公开(公告)日：2021-09-24
申请号：CN201911188895.5
申请日：2019-11-28
Applicant: 江南大学
Abstract: 本发明公开了一种基于密集连接深度网络的目标检测方法，属于目标检测技术领域。本发明的基于密集连接深度网络的目标检测的方法将密集连接方式融合进yolo‑tiny网络，增加其卷积层，改进特征提取网络。改进网络首先将输入图像归一化为固定大小，然后使用DenseBlock模块提取、融合各通道的特征，接着在不同的尺度上使用不同的先验框进行预测，完成目标的分类和定位。改进后的算法相比于原算法，精度提高了15％，且仍能达到实时检测的要求；模型大小也仅有44.7MB，能够满足实际使用中对于内存占用以及实时性的要求。
-
公开(公告)号：CN110895707A
公开(公告)日：2020-03-20
申请号：CN201911196183.8
申请日：2019-11-28
Applicant: 江南大学
Abstract: 本发明公开了一种强遮挡条件下洗衣机内衣物类型的深度判别方法，属于智能制造及人工智能技术领域。本发明通过设计一个基于图像的目标检测网络完成洗衣机内衣物类型的检测，且针对洗衣机内衣物存在强遮挡的情况，提出一种基于双向多尺度融合的区域生成网络，通过多尺度特征的正向与方向融合，实现不同层特征间的信息交流，提高检测网络对目标尺度变化的适应性。
-
公开(公告)号：CN110991311A
公开(公告)日：2020-04-10
申请号：CN201911188895.5
申请日：2019-11-28
Applicant: 江南大学
Abstract: 本发明公开了一种基于密集连接深度网络的目标检测方法，属于目标检测技术领域。本发明的基于密集连接深度网络的目标检测的方法将密集连接方式融合进yolo-tiny网络，增加其卷积层，改进特征提取网络。改进网络首先将输入图像归一化为固定大小，然后使用DenseBlock模块提取、融合各通道的特征，接着在不同的尺度上使用不同的先验框进行预测，完成目标的分类和定位。改进后的算法相比于原算法，精度提高了15％，且仍能达到实时检测的要求；模型大小也仅有44.7MB，能够满足实际使用中对于内存占用以及实时性的要求。
-
-
-
Search Results
4
records
(took 0.012 seconds)
