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：CN115546167A

公开(公告)日：2022-12-30

申请号：CN202211265345.0

申请日：2022-10-17

Applicant: 辽宁工程技术大学

Inventor： 戴激光 ,  申子墨 ,  谷越

IPC: G06T7/00

Abstract: 本发明公开了一种基于拓扑连接性的深度学习道路提取结果优化方法，步骤为：输入深度学习道路提取结果影像数据；对深度学习道路提取结果的边缘提取线段进行有序排列；利用线段相位计算和线段相位约束找到断裂截面的位置；检测断裂截面所属的道路方向、道路宽度和断点位置三个属性；依据断裂截面属性，确定不同断裂截面的匹配关系，对断裂截面连接并优化。本发明按照断裂截面找寻、断裂截面属性确定、断裂截面匹配连接三个步骤，解决了断裂截面非规则、断裂截面属性信息难以提取、断裂截面匹配存在多义性三个问题，可以更好优化长距离断裂区域和局部复杂断裂区域，对不同类型深度学习模型进行道路提取优化具有较好的普适性。