-
公开(公告)号：CN110414417B
公开(公告)日：2022-08-12
申请号：CN201910677341.5
申请日：2019-07-25
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于多层次融合多尺度预测的交通标志牌识别方法，所述识别方法包括以下内容：将待识别的图像调整到要求尺寸后送入到识别网络结构中；特识别网络结构对输入的图像提取多个不同层次的特征图，将多尺度预测结构预测的多个边界框聚集在一起；通过非极大值抑制算法去除其中重叠比例高和置信度低的边界框，将剩下的边界框作为最后的识别结果。针对交通标志牌的大小分布特点，修改了传统特征提取网络，网络在下采样到1/16时便停止下采样，同时为了防止全局特征的丢失，增加了感受野提升阶段，旨在提升网络层对于最终预测结果的贡献。
-
公开(公告)号：CN109543601A
公开(公告)日：2019-03-29
申请号：CN201811388553.3
申请日：2018-11-21
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于多模态深度学习的无人车目标检测方法，包括以下步骤：（1）数据采集；（2）数据同步；（3）处理激光雷达点云数据；（4）特征提取；（5）特征分类回归；（6）投影；（7）去除冗余候选框；（8）矫正；（9）输出三维检测框。本发明结合多传感器的优势，克服图像模态对车道场景表达能力的不足，能够应对无人车行驶中可能面对的复杂场景下的场景感知。
-
公开(公告)号：CN110414417A
公开(公告)日：2019-11-05
申请号：CN201910677341.5
申请日：2019-07-25
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于多层次融合多尺度预测的交通标志牌识别方法，所述识别方法包括以下内容：将待识别的图像调整到要求尺寸后送入到识别网络结构中；特识别网络结构对输入的图像提取多个不同层次的特征图，将多尺度预测结构预测的多个边界框聚集在一起；通过非极大值抑制算法去除其中重叠比例高和置信度低的边界框，将剩下的边界框作为最后的识别结果。针对交通标志牌的大小分布特点，修改了传统特征提取网络，网络在下采样到1/16时便停止下采样，同时为了防止全局特征的丢失，增加了感受野提升阶段，旨在提升网络层对于最终预测结果的贡献。
-
-
Search Results
3
records
(took 0.016 seconds)
