公开(公告)号：CN117408891B

公开(公告)日：2024-03-15

申请号：CN202311714540.1

申请日：2023-12-14

Applicant: 暨南大学

Inventor： 赵容 ,  李志颖 ,  张继连 ,  翁健 ,  古天龙

IPC: G06T5/00 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明涉及计算机视觉的图像分析技术领域，特别是涉及一种基于Cycle‑GAN的图像加雾方法，包括：获取待加雾图像；将所述待加雾图像输入预设的图像生成模型中，输出加雾后的目标图像，其中，所述图像生成模型由训练集训练获得，所述训练集包括无雾的图像数据和文本数据、有雾的图像数据和文本数据，所述图像生成模型采用Cycle‑GAN网络构建。本发明通过输入待处理的图像，将图像与文本信息特征融合，输入在多模态扩散文本语义约束下的Cycle‑GAN网络中生成目标图像，提升图像雾气效果，生成更符合实际效果和目标需求的图像。

公开(公告)号：CN113743233A

公开(公告)日：2021-12-03

申请号：CN202110912415.6

申请日：2021-08-10

Applicant: 暨南大学

Inventor： 戚自华 ,  钟建强 ,  李志颖 ,  赖浩天 ,  刘启霄 ,  黄斐然 ,  吴永东

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于YOLOv5和MobileNetV2的车辆型号识别方法，包括以下步骤：S1、获取含车辆型号标签的公开车辆图片数据集；S2、对图片数据集按YOLOv5方式打标签；S3、为图片进行预处理；S4、进行YOLOv5训练，反复优化得到模型参数；S5、对原始图片数据集按YOLOv5标签的锚框数据进行裁剪，尽可能裁剪至图片仅含车辆信息；S6、修改MobileNetV2模型，拼接训练好的YOLOv5模型和修改后的MobileNetV2模型；S7、使用标签为车辆型号的原始数据集，预处理后对新拼接得到的模型进行训练，反复优化提升模型性能，得到优化训练完成的识别模型并将其用于实际车辆型号识别。本发明方法解决现有模型识别速率低，不足以满足交通系统的实时性、高效性以及在条件受限的情况下识别的准确率偏低的问题。