-
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。
-
Patent Agency Ranking
公开(公告)号：CN111860681A
公开(公告)日：2020-10-30
申请号：CN202010749955.2
申请日：2020-07-30
Applicant: 江南大学
Abstract: 本发明公开了一种新的用于深度学习的困难样本的生成方法及应用，设计一种双向注意力机制自动生成困难样本，有助于深度模型跳出局部最优解，使模型的鲁棒性更强。该方法的注意力机制不仅能够强调突出前景目标，同时能够在一定程度上避免背景杂波的影响，使得遮挡的区域更加集中且生成的困难样本更具有对抗性，进而可提高了深度网络目标识别精度。
-
公开(公告)号：CN111860681B
公开(公告)日：2024-04-30
申请号：CN202010749955.2
申请日：2020-07-30
Applicant: 江南大学
IPC: G06V10/774 , G06V10/26 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种新的用于深度学习的困难样本的生成方法及应用，设计一种双向注意力机制自动生成困难样本，有助于深度模型跳出局部最优解，使模型的鲁棒性更强。该方法的注意力机制不仅能够强调突出前景目标，同时能够在一定程度上避免背景杂波的影响，使得遮挡的区域更加集中且生成的困难样本更具有对抗性，进而可提高了深度网络目标识别精度。
-
公开(公告)号：CN111275718B
公开(公告)日：2024-01-30
申请号：CN202010056068.7
申请日：2020-01-18
Applicant: 江南大学
IPC: G06T7/11 , G06N3/0464 , G06N3/08 , G06T7/194
Abstract: 本发明公开了一种基于显著区域分割的衣物量检测及护色洗判别方法，属于智能制造及人工智能技术领域。本发明以视觉显著性区域分割作为解决问题的主要途径，并在分割网络中加入了多尺度特征聚合模块，以及循环残差优化模块，提高了分割效果，进而提高了衣物量检测精度；具体是利用洗衣机内拍摄的图片，通过设计视觉显著性判别网络，利用洗衣机内筒与衣物的视觉差异，精确分割出桶内衣物，在此基础上设计衣物量检测及护色洗判别方案，完成精确判别。
-
公开(公告)号：CN111275718A
公开(公告)日：2020-06-12
申请号：CN202010056068.7
申请日：2020-01-18
Applicant: 江南大学
Abstract: 本发明公开了一种基于显著区域分割的衣物量检测及护色洗判别方法，属于智能制造及人工智能技术领域。本发明以视觉显著性区域分割作为解决问题的主要途径，并在分割网络中加入了多尺度特征聚合模块，以及循环残差优化模块，提高了分割效果，进而提高了衣物量检测精度；具体是利用洗衣机内拍摄的图片，通过设计视觉显著性判别网络，利用洗衣机内筒与衣物的视觉差异，精确分割出桶内衣物，在此基础上设计衣物量检测及护色洗判别方案，完成精确判别。
-
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。
-
-
-
-
-
Search Results
6
records
(took 0.014 seconds)
