-
公开(公告)号：CN110866578A
公开(公告)日：2020-03-06
申请号：CN201911035069.7
申请日：2019-10-29
Applicant: 上海交通大学
IPC: G06K19/06
Abstract: 本发明公开了一种二维纹理码及其编码和解码方法，所述二维纹理码包括L形的格式矫正区和矩形的纹理数据区，所述格式矫正区用于矫正二维纹理码的格式，所述矩形的纹理数据区被分割成m个矩形的子区域，所述每一子区域由一个纹理图片所占据，共有n种不同类型的纹理图片，每一种类型的纹理图片对应一个解码字符，且n>m。本发明的二维纹理码及其编码和解码方法，可有效降低二维码的信息冗余，提高低像素下解码的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN111539250B
公开(公告)日：2024-02-27
申请号：CN202010171560.9
申请日：2020-03-12
Applicant: 上海交通大学
IPC: G06V20/56 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明提供一种基于神经网络的图像雾浓度估计方法、系统和终端，方法包括：采用卷积神经网络自动提取待测图像的特征；将提取的待测图像的所述特征采用最大池化层与卷积层进行特征映射；计算映射后的所述特征中的最大值和平均值，并将两者进行融合；对于融合后的特征进行激活；对激活得到的特征取平均，得到的结果为最后整幅图像的雾浓度。所述系统包括特征提取模块、特征映射模块、局部统计值集散模块和最大值均值融合模块。本发明能很好的预测雾浓度的大小，并且与人类的主观评价高度一致，可以对任意大小的雾图像进行雾浓度的估计。
-
公开(公告)号：CN109635705A
公开(公告)日：2019-04-16
申请号：CN201811483176.1
申请日：2018-12-05
Applicant: 上海交通大学
CPC classification number: G06K9/00664 , G06K7/10881 , G06N3/0454
Abstract: 本发明公开了一种基于二维码和深度学习的商品识别方法及装置，该方法包括：编码制作二维码标签，并给部分商品贴上二维码标签；对未贴二维码标签的特定商品进行拍摄，得到特定商品的图片，利用深度神经网络对特定商品的图片进行训练得到神经网络模型；利用训练得到的神经网络模型对商品进行检测，识别出特定商品信息；利用二维码标签识别出贴有二维码标签的商品信息。该装置包括：摄像机、神经网络识别装置以及二维码识别装置。本发明的基于二维码和深度学习的商品识别方法及装置，通过二维码和深度学习相组合的方案，提高了商品识别效率、降低了成本。
-
公开(公告)号：CN110866578B
公开(公告)日：2021-07-06
申请号：CN201911035069.7
申请日：2019-10-29
Applicant: 上海交通大学
IPC: G06K19/06
Abstract: 本发明公开了一种二维纹理码及其编码和解码方法，所述二维纹理码包括L形的格式矫正区和矩形的纹理数据区，所述格式矫正区用于矫正二维纹理码的格式，所述矩形的纹理数据区被分割成m个矩形的子区域，所述每一子区域由一个纹理图片所占据，共有n种不同类型的纹理图片，每一种类型的纹理图片对应一个解码字符，且n>m。本发明的二维纹理码及其编码和解码方法，可有效降低二维码的信息冗余，提高低像素下解码的鲁棒性。
-
公开(公告)号：CN109635705B
公开(公告)日：2021-04-27
申请号：CN201811483176.1
申请日：2018-12-05
Applicant: 上海交通大学
Abstract: 本发明公开了一种基于二维码和深度学习的商品识别方法及装置，该方法包括：编码制作二维码标签，并给部分商品贴上二维码标签；对未贴二维码标签的特定商品进行拍摄，得到特定商品的图片，利用深度神经网络对特定商品的图片进行训练得到神经网络模型；利用训练得到的神经网络模型对商品进行检测，识别出特定商品信息；利用二维码标签识别出贴有二维码标签的商品信息。该装置包括：摄像机、神经网络识别装置以及二维码识别装置。本发明的基于二维码和深度学习的商品识别方法及装置，通过二维码和深度学习相组合的方案，提高了商品识别效率、降低了成本。
-
公开(公告)号：CN111539250A
公开(公告)日：2020-08-14
申请号：CN202010171560.9
申请日：2020-03-12
Applicant: 上海交通大学
Abstract: 本发明提供一种基于神经网络的图像雾浓度估计方法、系统和终端，方法包括：采用卷积神经网络自动提取待测图像的特征；将提取的待测图像的所述特征采用最大池化层与卷积层进行特征映射；计算映射后的所述特征中的最大值和平均值，并将两者进行融合；对于融合后的特征进行激活；对激活得到的特征取平均，得到的结果为最后整幅图像的雾浓度。所述系统包括特征提取模块、特征映射模块、局部统计值集散模块和最大值均值融合模块。本发明能很好的预测雾浓度的大小，并且与人类的主观评价高度一致，可以对任意大小的雾图像进行雾浓度的估计。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
