-
Patent Agency Ranking
公开(公告)号：CN110796239A
公开(公告)日：2020-02-14
申请号：CN201911048207.5
申请日：2019-10-30
Applicant: 福州大学
Abstract: 本发明涉及一种通道与空间融合感知的深度学习目标检测方法，首先构建通道与空间融合感知模块，并将其嵌入深度神经网络架构中，然后利用改造后的深度神经网络架构对目标图片进行目标检测；其中所述通道与空间融合感知模块的构建具体为：首先对原始输入的特征图进行通道感知，接着进行空间感知的级联。本发明其既不加深网络深度或宽度，也不引入额外空间向量，同时保证了实时性和精度。
-
公开(公告)号：CN112308092B
公开(公告)日：2023-02-28
申请号：CN202011316603.4
申请日：2020-11-20
Applicant: 福州大学
IPC: G06V10/44 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/08
Abstract: 本发明提出一种基于多尺度注意力机制的轻量型车牌检测与识别方法，其车牌检测识别网络构建包括以下步骤；步骤S1：获取图片作为原始数据集；步骤S2：对原始数据集处理，得到用于训练检测车牌的模型的数据集A、用于训练车牌识别的模型的数据集B；步骤S3：构建用于检测车牌的深度神经网络；步骤S4：将数据集A的原始图像P1输入到步骤S3构造的网络中，得到车牌检测区域P2以及车牌的四个角点；步骤S5：将P2根据车牌的角点做透视变换得到矫正后的图像P3。步骤S6：构建用于识别车牌的深度神经网络；步骤S7：将P3输入到步骤S6构造的网络中，得到检测到的车牌所对应的车牌号码；本发明可以在保证网络精确度的情况下同时获得较低的网络参数量和计算量。
-
公开(公告)号：CN112308092A
公开(公告)日：2021-02-02
申请号：CN202011316603.4
申请日：2020-11-20
Applicant: 福州大学
Abstract: 本发明提出一种基于多尺度注意力机制的轻量型车牌检测与识别方法，其车牌检测识别网络构建包括以下步骤；步骤S1：获取图片作为原始数据集；步骤S2：对原始数据集处理，得到用于训练检测车牌的模型的数据集A、用于训练车牌识别的模型的数据集B；步骤S3：构建用于检测车牌的深度神经网络；步骤S4：将数据集A的原始图像P1输入到步骤S3构造的网络中，得到车牌检测区域P2以及车牌的四个角点；步骤S5：将P2根据车牌的角点做透视变换得到矫正后的图像P3。步骤S6：构建用于识别车牌的深度神经网络；步骤S7：将P3输入到步骤S6构造的网络中，得到检测到的车牌所对应的车牌号码；本发明可以在保证网络精确度的情况下同时获得较低的网络参数量和计算量。
-
公开(公告)号：CN109902751B
公开(公告)日：2022-07-08
申请号：CN201910160157.3
申请日：2019-03-04
Applicant: 福州大学
Abstract: 本发明涉及一种融合卷积神经网络和半字模板匹配的表盘数字字符识别方法，首先获取带有全字半字标签的分割好的灰度图，接着将标签筛选分类，若标签为0则进行半字识别，若标签为1则进行全字识别；最后按照图像输入的顺序，依次输出灰度图的识别结果。本发明识别正确率高，为表盘数字字符半字全字的分开识别提供了新思路，并融合卷积神经网络和半字模板匹配，可广泛应用于需要进行数字字符识别的领域。
-
公开(公告)号：CN109902751A
公开(公告)日：2019-06-18
申请号：CN201910160157.3
申请日：2019-03-04
Applicant: 福州大学
Abstract: 本发明涉及一种融合卷积神经网络和半字模板匹配的表盘数字字符识别方法，首先获取带有全字半字标签的分割好的灰度图，接着将标签筛选分类，若标签为0则进行半字识别，若标签为1则进行全字识别；最后按照图像输入的顺序，依次输出灰度图的识别结果。本发明识别正确率高，为表盘数字字符半字全字的分开识别提供了新思路，并融合卷积神经网络和半字模板匹配，可广泛应用于需要进行数字字符识别的领域。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
