公开(公告)号：CN109685780A

公开(公告)日：2019-04-26

申请号：CN201811541070.2

申请日：2018-12-17

Applicant: 河海大学

Inventor： 王敏 ,  方仁渊 ,  范晓烨

IPC: G06T7/00 ,  G06N3/04

CPC classification number: G06T7/0002 ,  G06N3/0454 ,  G06T2207/10024 ,  G06T2207/20081

Abstract: 本发明公开一种基于卷积神经网络的零售商品识别方法，首先使用一个通用的粗粒度的数据集训练一个定制的yolo3目标检测器，接着输入待检测图像，得到一系列初级语义对象，然后根据一系列规则组合初级语义对象为高级语义对象，最后通过判断需检测的目标的属性与各个高级语义对象的属性间的相似度对比得到所需目标。本发明使得基于通用的粗粒度数据集训练得到的检测器在一定条件下也可用于完成细粒度分类任务；相比于传统方法直接采集目标类别的数据进行训练，本发明可极大地降低数据采集成本和在生产环境下使用的门槛。

公开(公告)号：CN109685780B

公开(公告)日：2021-05-11

申请号：CN201811541070.2

申请日：2018-12-17

Applicant: 河海大学

Inventor： 王敏 ,  方仁渊 ,  范晓烨

IPC: G06T7/00 ,  G06N3/04

Abstract: 本发明公开一种基于卷积神经网络的零售商品识别方法，首先使用一个通用的粗粒度的数据集训练一个定制的yolov3目标检测器，接着输入待检测图像，得到一系列初级语义对象，然后根据一系列规则组合初级语义对象为高级语义对象，最后通过判断需检测的目标的属性与各个高级语义对象的属性间的相似度对比得到所需目标。本发明使得基于通用的粗粒度数据集训练得到的检测器在一定条件下也可用于完成细粒度分类任务；相比于传统方法直接采集目标类别的数据进行训练，本发明可极大地降低数据采集成本和在生产环境下使用的门槛。

公开(公告)号：CN107862291A

公开(公告)日：2018-03-30

申请号：CN201711119313.9

申请日：2017-11-14

Applicant: 河海大学

Inventor： 王敏 ,  方仁渊

IPC: G06K9/00 ,  G06T7/11 ,  G06T7/194

CPC classification number: G06K9/00771 ,  G06T7/11 ,  G06T7/194 ,  G06T2207/10016 ,  G06T2207/20081 ,  G06T2207/20084

Abstract: 本发明公开一种基于深度学习的人车自动分类方法，包括以下步骤：首先采集道路视频数据，接着采用三帧差分法和背景消减法进行运动目标检测，得到运动目标图像区域，然后用二值阈值分割方法将运动目标图像区域分割成目标和背景，并归一化局部图像，接下来将归一化局部图像及其标签输入到深度学习神经网络中进行训练，得到人车分类模型，最后将待识别图像输入到训练好的人车分类模型中，完成对人车的识别和分类。本发明摒弃传统的人工提取人车图像特征的方法，利用深度学习神经网络自动提取特征，将特征提取和分类识别合为一体，有利于整体优化。