公开(公告)号：CN114332841B

公开(公告)日：2024-08-02

申请号：CN202111667119.0

申请日：2021-12-31

Applicant: 福州大学

Inventor： 陈平平 ,  陈宏辉 ,  游索

IPC: G06V20/62 ,  G06V30/146 ,  G06V30/148 ,  G06V30/18 ,  G06V30/19 ,  G06N3/0464 ,  G06N3/08

Abstract: 一种基于选择性特征融合金字塔的场景文本检测方法，包括基于选择性特征融合金字塔的场景文本检测网络，场景文本的检测包括以下步骤：步骤S1：获取不同场景中的包含文本的图像生成数据集，其中包含任意形状文本；步骤S2：对数据集进行处理，得到用于训练数据集A与测试数据集B；步骤S3：构建用于特征提取的深度神经网络；应用本方案可实现有效检测自然场景中的长直，多方向文本，也可以有效检测自然场景下的任意形状文本。

公开(公告)号：CN113792780B

公开(公告)日：2023-07-14

申请号：CN202111056947.0

申请日：2021-09-09

Applicant: 福州大学

Inventor： 陈平平 ,  游索 ,  陈锋 ,  陈宏辉

IPC: G06V20/62 ,  G06V30/148 ,  G06V30/19 ,  G06V10/774 ,  G06V10/82 ,  G06V10/762 ,  G06V10/764 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明涉及一种基于深度学习和图像后处理的集装箱号识别方法，包括以下步骤：步骤S1:获取包含集装箱箱号区域的图片并预处理，构建集装箱号数据集；步骤S2:构建YOLOv3网络并训练；步骤S3:基于训练好的YOLOv3网络获取集装箱号初始框定区域,并结合CRAFT网络输出的文本区域分,输出集装箱箱号区域截取；步骤S4:基于LeNet5网络，构建用于集装箱号码识别的网络；步骤S5:将集装箱箱号区域截取输入用于集装箱号码识别的网络，得到最终的识别结果。本发明可输出任意方向的矩形框，实现更加精准的箱号检测，有效的解决了箱号区域内多余的背景和干扰字符的问题。

公开(公告)号：CN115565165A

公开(公告)日：2023-01-03

申请号：CN202211103809.8

申请日：2022-09-09

Applicant: 福州大学

Inventor： 陈平平 ,  游索 ,  陈宏辉 ,  陈锋 ,  林志坚

IPC: G06V20/62 ,  G06V30/146 ,  G06V30/148 ,  G06V30/19 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于语义分割和Transformer的集装箱号检测识别方法，包括以下步骤：步骤S1:集装箱箱号检测与识别数据集的构建；步骤S2:构建基于语义分割的箱号检测网络并训练；步骤S3:将检测得到的箱号区域进行文本矫正；步骤S4:构建集装箱号码识别网络并训练；步骤S5:利用训练好的检测及识别网络对集装箱箱号进行检测识别的过程。应用本技术方案可实现高效、准确地将图像中集装箱箱号区域分割出来，并将三种不同类型的箱号分类，通过TPS文本矫正得到矫正后的箱号区域图像。

公开(公告)号：CN114332841A

公开(公告)日：2022-04-12

申请号：CN202111667119.0

申请日：2021-12-31

Applicant: 福州大学

Inventor： 陈平平 ,  陈宏辉 ,  游索

IPC: G06V20/62 ,  G06V30/146 ,  G06V30/148 ,  G06V30/18 ,  G06V30/19 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 一种基于选择性特征融合金字塔的场景文本检测方法，包括基于选择性特征融合金字塔的场景文本检测网络，场景文本的检测包括以下步骤：步骤S1：获取不同场景中的包含文本的图像生成数据集，其中包含任意形状文本；步骤S2：对数据集进行处理，得到用于训练数据集A与测试数据集B；步骤S3：构建用于特征提取的深度神经网络；应用本方案可实现有效检测自然场景中的长直，多方向文本，也可以有效检测自然场景下的任意形状文本。

公开(公告)号：CN117974443A

公开(公告)日：2024-05-03

申请号：CN202410129187.9

申请日：2024-01-30

Applicant: 福州大学

Inventor： 陈平平 ,  黄俊炀 ,  陈宏辉 ,  王嘉宝

IPC: G06T3/4053 ,  G06T3/4046 ,  G06V20/62 ,  G06V30/18 ,  G06V20/70 ,  G06V30/19 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种感知多域字符距离的场景文本超分辨率方法。本发明设计了增强位置编码和多域字符距离感知模块，使其能够更加适应低分辨率文本图像的超分辨率任务。在视觉特征提取网络的设计上，本发明提出了一种非对称卷积特征提取模块，以较低的计算成本提高了整体网络对多方向以及弯曲文本图像的特征提取能力。本发明使用真实场景下的场景文本超分辨率数据集，将数据集通过数据增强手段处理后送入深度特征提取网络分支提取得到获得语义和视觉的特征信息以及增强位置编码，经过多域字符距离感知对齐网络获得文本图像超分引导信息，结合视觉特征以及引导线索通过图像重建模块输出得到分辨率高、可读性强的超分辨率文本图像。

公开(公告)号：CN113792780A

公开(公告)日：2021-12-14

申请号：CN202111056947.0

申请日：2021-09-09

Applicant: 福州大学

Inventor： 陈平平 ,  游索 ,  陈锋 ,  陈宏辉

IPC: G06K9/62 ,  G06K9/34 ,  G06K9/32 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于深度学习和图像后处理的集装箱号识别方法，包括以下步骤：步骤S1:获取包含集装箱箱号区域的图片并预处理，构建集装箱号数据集；步骤S2:构建YOLOv3网络并训练；步骤S3:基于训练好的YOLOv3网络获取集装箱号初始框定区域,并结合CRAFT网络输出的文本区域分,输出集装箱箱号区域截取；步骤S4:基于LeNet5网络，构建用于集装箱号码识别的网络；步骤S5:将集装箱箱号区域截取输入用于集装箱号码识别的网络，得到最终的识别结果。本发明可输出任意方向的矩形框，实现更加精准的箱号检测，有效的解决了箱号区域内多余的背景和干扰字符的问题。