-
Patent Agency Ranking
公开(公告)号：CN111652308B
公开(公告)日：2024-02-23
申请号：CN202010476319.7
申请日：2020-05-29
Applicant: 三峡大学
IPC: G06V10/774 , G06V10/764 , G06V10/28 , G06V10/44 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 基于超轻量级全卷积神经网络的花卉识别方法，对收集的数据集做清洗与分割处理，采用OTSU算法将数据集中的彩色图像二值化，通过最大连通区域法来标记最大的连通区域，提取出连通区域的位置信息，生成矩阵掩码，并叠加回原始图片获得花卉的分割图；采用迁移学习的方法来训练重量级的花卉分类神经网络，对花卉的分割图进行筛选，将保留下来的花卉分割图构建成新的数据集；构建适用于弱算力平台的超轻量级的卷积神经网络，将新构建的数据集输入到其中进行训练，实现花卉识别分类。本发明所提出的超轻量级神经网络，以及花卉数据集的增广方法相较于现有的其他方法，在速度与精度上都取得
-
公开(公告)号：CN112560675A
公开(公告)日：2021-03-26
申请号：CN202011479175.7
申请日：2020-12-15
Applicant: 三峡大学
Abstract: YOLO与旋转‑融合策略相结合的鸟类视觉目标检测方法，准备好鸟类数据集及其标记信息；将鸟类数据集及其标记信息进行多角度的旋转处理，得到对应的旋转后的数据集及其标记信息；将旋转后的数据集及其标记信息输入到YOLOv3网络进行训练，得到YOLOv3鸟类目标检测模型；将待检测的鸟类图像进行多角度的旋转处理，将旋转后的多角度鸟类图像输入到训练好的YOLOv3鸟类目标检测模型中进行检测，得到多角度的检测结果；对多角度的检测结果进行反旋转处理，使其全部旋转回原角度，利用NMS融合筛选出置信度最高的检测结果。本发明提升了基于深度学习的鸟类目标检测精度与识别率。
-
公开(公告)号：CN107170318A
公开(公告)日：2017-09-15
申请号：CN201710518532.8
申请日：2017-06-29
Applicant: 三峡大学
CPC classification number: G09B7/02 , G06Q50/205
Abstract: 一种基于虚拟现实的厨师职业技能鉴定与考核系统，包括虚拟现实终端、考生客户端计算机、数据网络、考试系统服务器、虚拟现实数据库、考生道德数据库和考试题数据库，所述考生客户端计算机通过路由器和数据网络与考试系统服务器连接，所述考试系统服务器与考生道德数据库电连接，考生道德数据库分别与虚拟现实数据库和考试题数据库电连接。本发明的基于虚拟现实的厨师职业技能鉴定与考核系统，能够消除危险源可能对考生人身安全和环境安全的破坏，所有物品都是数据代码，3D场景和动作无死角观测，能够对考生思想道德进行量化评估，可以同时进行多批/人/次考试，大大提高了考核效率和灵活性。
-
公开(公告)号：CN111652308A
公开(公告)日：2020-09-11
申请号：CN202010476319.7
申请日：2020-05-29
Applicant: 三峡大学
Abstract: 基于超轻量级全卷积神经网络的花卉识别方法，对收集的数据集做清洗与分割处理，采用OTSU算法将数据集中的彩色图像二值化，通过最大连通区域法来标记最大的连通区域，提取出连通区域的位置信息，生成矩阵掩码，并叠加回原始图片获得花卉的分割图；采用迁移学习的方法来训练重量级的花卉分类神经网络，对花卉的分割图进行筛选，将保留下来的花卉分割图构建成新的数据集；构建适用于弱算力平台的超轻量级的卷积神经网络，将新构建的数据集输入到其中进行训练，实现花卉识别分类。本发明所提出的超轻量级神经网络，以及花卉数据集的增广方法相较于现有的其他方法，在速度与精度上都取得了相当大的性能提升。
-
公开(公告)号：CN112560675B
公开(公告)日：2022-06-21
申请号：CN202011479175.7
申请日：2020-12-15
Applicant: 三峡大学
Abstract: YOLO与旋转‑融合策略相结合的鸟类视觉目标检测方法，准备好鸟类数据集及其标记信息；将鸟类数据集及其标记信息进行多角度的旋转处理，得到对应的旋转后的数据集及其标记信息；将旋转后的数据集及其标记信息输入到YOLOv3网络进行训练，得到YOLOv3鸟类目标检测模型；将待检测的鸟类图像进行多角度的旋转处理，将旋转后的多角度鸟类图像输入到训练好的YOLOv3鸟类目标检测模型中进行检测，得到多角度的检测结果；对多角度的检测结果进行反旋转处理，使其全部旋转回原角度，利用NMS融合筛选出置信度最高的检测结果。本发明提升了基于深度学习的鸟类目标检测精度与识别率。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
