公开(公告)号：CN116052150A

公开(公告)日：2023-05-02

申请号：CN202310061292.9

申请日：2023-01-18

Applicant: 暨南大学

Inventor： 邓玉辉 ,  汤智敏

IPC: G06V20/62 ,  G06V20/54 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了一种针对遮挡车牌的车脸识别方法，解决现有识别遮挡车牌的技术问题。本发明根据颜色预测模块、全局感知模块、细节感知模块得到颜色预测信息和图片向量信息，然后根据颜色预测信息找到对应文件夹，与文件夹中图片向量信息依次进行余弦距离计算，按从大到小排序，选择前5个作为识别结果。本发明相对于传统方法，增加车辆颜色分类的辅助流程，通过全局感知模块和细节感知模块进行识别，并在全局感知模块中从批量和通道进行多重的归一化计算，即从颜色外观、全局信息和细节信息多维度对遮挡车牌的车辆在车辆图片库中进行搜索识别，提高搜索能力和模型对遮挡车辆的内容表达，并成功找出相应未遮挡车牌状态的车辆。

公开(公告)号：CN116188788A

公开(公告)日：2023-05-30

申请号：CN202211533636.3

申请日：2022-12-02

Applicant: 暨南大学

Inventor： 邓玉辉 ,  汤智敏

IPC: G06V10/40 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/08

Abstract: 本发明公开了一种基于多尺度与双中心融合的无锚框目标检测方法，包括如下步骤：构建骨干网络提取图像特征；通过颈部网络进行不同尺度特征融合；通过多尺度融合模块进行多尺度特征图的信息增强；通过预测网络对类别、边界框位置进行预测，并通过双中心融合模块得到总体中心度用于边界框的质量评估，最终得到检测结果。本发明与传统的无锚框目标检测方法相比，通过多尺度融合模块对多尺度特征图间能够平衡地进行特征增强，通过双中心融合模块融合了边界框中心度和类别中心度的信息更有效的过滤低质量的边界框。通过以多尺度融合模块和双中心融合模块的优化，提高目标检测方法的表达能力，提高检测的准确率。