公开(公告)号：CN115661703A

公开(公告)日：2023-01-31

申请号：CN202211256545.X

申请日：2022-10-14

Applicant: 辽宁工程技术大学

Inventor： 戴激光 ,  谷越 ,  张子恩

IPC: G06V20/40 ,  G06V10/40 ,  G06V10/764

Abstract: 本发明提出了一种基于深度学习的门店招牌信息提取的方法，该方法具体包括如下步骤：获取供构建深度学习模型数据并划分数据集；改进特征提取结构，并增强金字塔特征，进一步构建用于门店招牌信息提取的模型；训练并验证该目标检测模型，获得最佳检测模型权重文件；导入待检测的目标影像，检测其位置以及根据预设阈值输出目标检测结果。通过深度学习目标检测结合门店招牌的检测，生成的模型较小，有利于部署移植到边缘设备进行结果计算，从而提高巡检人员的工作效率，减少成本。

公开(公告)号：CN115546643A

公开(公告)日：2022-12-30

申请号：CN202211256595.8

申请日：2022-10-14

Applicant: 辽宁工程技术大学

Inventor： 戴激光 ,  张子恩 ,  许浩

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/774

Abstract: 本发明公开了一种基于街景影像的杆状地物多分类提取方法，步骤为：构建分类体系；构建样本库；构建分类模型LPNet；利用迁移学习完成模型训练和杆状地物分类；完善杆状地物提取结果。本发明依据杆状地物在街景影像中呈现出的特征，针对杆状地物分割不足、误提取和不连续的问题，分别加入具有多级感受野的Multi‑scale Phased Controller(MPC)模块、具有自适应分类能力的Deformable‑Convolution(Def‑Conv)模块和具有拓扑重建能力的Lightweightspatial context(LSC)模块，能够准确快速获取杆状地物的类别信息和空间信息，在智慧城市建设和车辆自动导航中具有较大的应用价值。