本发明公开了一种基于红外图像特征点减少物体识别图像量的方法，采用摄像头组对开、闭智能箱柜的行为进行视频采集；通过多帧的红外图像形成红外图像队列，并基于红外图像队列，在低干扰或干净环境形成二值红外图像，高干扰或遮挡环境形成灰度红外图像；用图像梯度算子提取红外图像的边缘，构造用户行为的运动轨迹数组；基于红外图像帧与帧特征点群的匹配，构造用户行为的运动轨迹数组；根据运动状态函数和运动方向一致性函数来进行用户行为的判定；从每一个已经完成判定的用户行为队列中选择最佳的红外图像；根据红外图像和可见光图像的对应关系，进行目标检测和识别；该基于红外图像特征点减少物体识别图像量的方法能够降低服务器计算量。
📄 2021115160520
📂 G06V10_44
👤 广州微林软件有限公司
📅 2021-12-13
已申报项目
本发明公开了一种用于目标检测的图像样本生成方法及应用，该方法包括：对前景样本和/或背景样本进行分区，得到多个图像样本拼接区域，并分别建立多个图像样本拼接区域的限定越界区；通过图像数据增强策略搜索空间对正样本及负样本进行数据增强；将增强后的正样本及负样本黏贴至前景样本、背景样本的不同的图像样本拼接区域内，根据正样本及负样本在前景样本及背景样本中的所在位置，计算目标检测框的坐标，获得增强后的前景样本、背景样本，以及增强后的前景样本、背景样本的数据标签；对含有正样本的混合样本使用残缺增强策略进行数据增强。本发明适用于数据量少的场景中增强数据，实现神经网络的训练，提高模型的MAP和AP50。
📄 202111224250X
📂 G06V10_44
👤 广州微林软件有限公司
📅 2021-10-21
已申报项目
本发明公开了一种物体识别方法，包括：物体检测，采集相关数据集，对采集的数据集使用图像标注工具对目标物体数据集的图像进行标定，并对采集的数据集进行数据增强，提取检测到的目标物体，进行类别归类，把目标物体类别分成大类和小类；对目标数据集做关系处理，构成关系分层图，通过关系分层图和余弦相似度构建大类和小类匹配权值矩阵，经过物体识别网络和匹配权值矩阵去确认物体的类别和物体；该物体识别方法识别准确，能够识别多个不定类别的物体。
📄 2021112155183
📂 G06V10_44
👤 广州微林软件有限公司
📅 2021-10-19
已申报项目
本发明涉及一种电力防护装备检测网络训练方法、应用方法、电子设备及介质，包括：获取电力防护装备检测数据集；构建初始电力防护装备检测网络；将检测图像为输入，基于特征提取模块进行特征提取得到特征图像，基于多尺度融合模块依次进行上采样特征融合和下采样特征融合得到融合特征数据，基于检测头进行解码得到预测框和置信度预测值；基于变焦损失模块计算预测框和检测框的交并比，根据交并比和检测标签确定样本损失权重并计算加权预测损失，调整网络参数直至损失不再降低，得到训练完备的电力防护装备检测网络。本发明通过变焦损失模块确定正负样本的损失权重，根据损失权重计算加权预测损失，解决样本间不平衡性问题，提高网络的检测准确性。
📄 2023108791077
📂 G06V10_44
👤 湖北工业大学
📅 2023-07-17
本发明涉及一种基于自适应阈值算法的ORB图像特征提取方法，构建具有8层图像的金字塔；在每一层图像中进行阈值的计算；对于图像中的每个像素，在判断其是否为关键点之前，均进行阈值计算，如果差异较大，则对当前像素进行阈值计算，否则，就沿用上一个像素的阈值；将得到的阈值用于FAST关键点检测中，最终检测出图像中关键点的位置；在检测出的关键点的位置周围选取像素区域，利用灰度质心法计算像素区域的质心位置和特征主方向，确定BRIEF点对的坐标系，并用BRIEF描述子描述FAST关键点，得到图像有向的FAST关键点和ORB特征的完整信息；ORB特征的完整信息用于图像匹配，实现在光照变化的情况下，对图像特征的稳定提取。
📄 2022113116693
📂 G06V10_44
👤 南京喂啊游通信科技有限公司
📅 2022-10-25
本发明涉及一种用于茶叶病害的识别方法，包括如下步骤：步骤一、数据预处理：采集茶叶病害图像数据，将每一幅包含多个病害和背景噪声的图片进行裁剪，将所拍摄到的图片裁剪成单个病害叶片为一幅图像；步骤二、构造最优小样本图网络模型并训练模型：首先将茶叶病害图像嵌入成特征向量，然后将每个特征向量作为茶叶病害图像的双域节点初始化图，根据构建好的双域节点初始化图进行图的更新优化，最优小样本图网络模型包含自下而上推理、自上而下推理和跳跃连接三个部分；步骤三、对图像进行茶叶病害图像识别。本发明减少人为识别病害耗费的人力物力，使用智能识别技术进行茶叶病害识别。
📄 2023105589257
📂 G06V10_44
👤 安徽大学
📅 2023-05-18
一种知识蒸馏方法及装置、存储介质、终端，所述方法包括：获取样本图像，将样本图像分别输入至教师网络和学生网络，教师网络包括第一特征提取模块，第一特征提取模块包括一个或多个级联的第一特征单元，学生网络包括第二特征提取模块，第二特征提取模块包括一个或多个级联的第二特征单元，样本图像具有标签；将每一第二特征单元计算得到的特征向量聚合至与该第二特征单元对应的第一特征单元计算得到的特征向量；根据第一特征提取模块输出的特征向量计算第一预测结果，根据第二特征提取模块输出的特征向量计算第二预测结果；根据第一预测结果、第二预测结果和标签计算蒸馏损失；根据蒸馏损失更新学生网络。
📄 202110443168X
📂 G06V10_44
👤 上海芯翌智能科技有限公司
📅 2021-04-23
本发明公开了一种适用于低算力设备的目标识别方法及系统，将采集的原始目标图像输入目标识别网络，输出高精度高稳定性的特征图；本发明提供的目标识别网络，包括顺序连接的一个3×3的conv基本单元、1个dp基本单元、1个R‑ECA模块、2个dp基本单元、1个R‑ECA模块、2个dp基本单元、1个R‑ECA模块、5个dp基本单元、1个R‑ECA模块、2个dp基本单元、1个R‑ECA模块；其中conv代表一个传统卷积层，dp代表一个深度可分离卷积层；conv基本单元和dp基本单元的输出均经过BN层和ReLU非线性激活函数处理后再输入下一单元。本发明可以有效提高网络的精度和稳定性，并适用于低算力设备。
📄 2023101156919
📂 G06V10_44
👤 湖北工业大学
📅 2023-02-10
本发明公开一种利用随机掩码和Transformer改进的短临降水预报方法，属于降水预测领域；一种利用随机掩码和Transformer改进的短临降水预报方法包括：S1，随机掩码时空序列图像；S2，构建网络模型，并将掩码标记后的时空序列图像输入网络进行模型训练；网络模型包括以UNet为核心模型的编码器‑解码器结构，在编码器中嵌入了SwinTransformer模块，并引入了SENet注意力机制；S3，模型训练过程中，输入图像通过前向传播过程得到预测值，然后根据损失函数进行反向调优不断对模型进行微调，最小化损失函数，实现模型的准确预测能力；S4，训练过程中使用L1+L2正则化，以防止过拟合。提高建模时空序列中的高阶非平稳性并同时学习时空序列中的短期和长期依赖信息，提高模型的预测准确性。
📄 2023100574128
📂 G06V10_44
👤 南京信息工程大学
📅 2023-01-14
本发明公开了一种视网膜病变细粒度分级方法及装置，将全局特征输入到注意力提取网络进行注意力特征提取，获取注意力特征图；使用信息量提取函数提取注意力特征图每一个通道的信息量，对所有通道的信息量进行排序，选取信息量前K的通道得到局部通道特征图；对局部通道特征图进行随机丢弃处理，将随机丢弃处理后的局部通道特征图进行二值化处理，并根据二值化处理结果选取待分级的视网膜图像中的局部区域，对所述局部区域采用第二密集连接神经网络提取局部特征，从而采用融合全局特征和局部特征进行分级。本发明在糖尿病性视网膜病变分级上拥有较好结果。
📄 2020109665576
📂 G06V10_44
👤 浙江工业大学
📅 2020-09-15
本发明涉及一种基于扩展离散模态分解的三维表面形貌特征提取方法，获取零件表面形貌的点云数据，预处理后生成表面模型，并设置力学参数；将表面模型投影至不同的模态基，生成多个离散模态，分别计算各个离散模态的波长；根据国标设置截止波长，将各个波长范围划分至表面形貌特征中的一种，对相同组的离散模态合并得到零件的表面形貌特征。本发明的方法实现了三维工程表面形貌特征的提取，并克服了传统表面滤波方法中由于末端数值的缺失，表面边界和孔洞处发生卷积畸变，造成数值失真的问题。
📄 2022103644471
📂 G06V10_44
👤 浙江工业大学
📅 2022-04-08
一种基于多尺度红外热特征融合的裂缝识别方法和装置，其方法包括：针对单帧红外热图像，得到裂缝和噪声的灰度图像；采用直方图均衡化调整图像灰度分布，得到灰度增强图像；为背景主导窗口和噪声主导窗口设置较大的局部特征敏感度权重系数，为目标复合窗口设置较小的局部特征敏感度权重系数；统计每个窗口内前景像素的个数，计算前景像素个数与总像素个数的比值；认定背景主导窗口、噪声主导窗口、目标复合窗口；设定背景主导窗口、噪声主导窗口、目标复合窗口的局部特征敏感度权重系数；分割灰度增强图像，得到二值化图像，提取前景像素的连通域；针对各个前景像素连通域，计算像素总数，随机选取若干个种子点，确定相应的最大内切圆，将所有最大内切圆直径的均值作为宽度，将像素总数与宽度的比值作为长度，将长宽比小于10的连通域视为噪声而筛除；优化前景像素连通域，去除细小噪声，平滑化轮廓，最终所得到的前景像素连通域视为裂缝。
📄 2025100839429
📂 G06V10_44
👤 浙江工业大学
📅 2025-01-20
柿子坊 · 知识产权运营
柿子坊知识产权运营平台