-
公开(公告)号：CN113554030A
公开(公告)日：2021-10-26
申请号：CN202110851186.1
申请日：2021-07-27
Applicant: 上海大学
Abstract: 一种基于单字符注意力的多类型车牌识别方法及系统，首先使用多尺度特征提取骨干网络对车牌图像进行多种尺度特征提取和融合，然后对得到的全局特征进行基于单字符注意力的下、上采样得到多通道的掩码图像，再基于掩码图像对全局特征进行单字符特征软分割获得独立的单字符特征向量，最后通过单字符分类器对多个单字符特征向量进行单字符预测分类并将分类结果按次序拼接成字符串并输出。本发明采用在全局特征空间进行单字符软分割后再独立识别单字符的策略，实现多种类型车牌的同时识别，不需要提前进行额外的车牌分类调用不同识别算法。
-
公开(公告)号：CN112801962B
公开(公告)日：2022-09-16
申请号：CN202110066948.7
申请日：2021-01-19
Applicant: 上海大学
Abstract: 一种基于正样本学习的半监督工业制品瑕疵检测方法及系统，通过正样本图像训练图像修复网络和瑕疵分割预测网络；采用含待测瑕疵的图像输入图像修复网络得到恢复后的正品图像，计算两者差值的绝对值后将三幅图像拼接得到检测张量，通过分割预测网络根据检测张量生成分割掩模二值图像，得到瑕疵区域。本发明使用半监督的深度学习方法，不需要提前标注像素级别的瑕疵位置数据，解决了瑕疵分割中的标注难题，只需要使用生产中的部分正品图像即可实现全自动化的训练学习，进行瑕疵分割和有无瑕疵的分类。并且能够对各类型异常瑕疵位置的像素进行分割。
-
公开(公告)号：CN113554030B
公开(公告)日：2022-08-16
申请号：CN202110851186.1
申请日：2021-07-27
Applicant: 上海大学
Abstract: 一种基于单字符注意力的多类型车牌识别方法及系统，首先使用多尺度特征提取骨干网络对车牌图像进行多种尺度特征提取和融合，然后对得到的全局特征进行基于单字符注意力的下、上采样得到多通道的掩码图像，再基于掩码图像对全局特征进行单字符特征软分割获得独立的单字符特征向量，最后通过单字符分类器对多个单字符特征向量进行单字符预测分类并将分类结果按次序拼接成字符串并输出。本发明采用在全局特征空间进行单字符软分割后再独立识别单字符的策略，实现多种类型车牌的同时识别，不需要提前进行额外的车牌分类调用不同识别算法。
-
Patent Agency Ranking
公开(公告)号：CN112861782A
公开(公告)日：2021-05-28
申请号：CN202110248041.2
申请日：2021-03-07
Applicant: 上海大学
Abstract: 一种票据照片关键信息提取系统及方法，包括：前端模块以及由通信单元、文本检测单元、识别单元、关键信息提取单元以及回馈单元组成的票据关键信息提取模块，前端模块采集图片并通过通信单元发送至文本检测单元，文本检测单元进行文本检测神经网络推理并得到图片中文本内容块的坐标位置，并相应裁剪图片后通过通信单元发送至识别单元，识别单元从裁剪图片中识别出文本转录内容并通过通信单元发送至关键信息提取单元，关键信息提取单元根据文本内容块的坐标位置和文本转录内容通过关键信息提取网络进行推理并得到关键信息并通过通信单元发送至前端模块进行显示，回馈单元与通信单元相连并采集用户对关键信息的判断结果后更新数据库。
-
公开(公告)号：CN112801962A
公开(公告)日：2021-05-14
申请号：CN202110066948.7
申请日：2021-01-19
Applicant: 上海大学
Abstract: 一种基于正样本学习的半监督工业制品瑕疵检测方法及系统，通过正样本图像训练图像修复网络和瑕疵分割预测网络；采用含待测瑕疵的图像输入图像修复网络得到恢复后的正品图像，计算两者差值的绝对值后将三幅图像拼接得到检测张量，通过分割预测网络根据检测张量生成分割掩模二值图像，得到瑕疵区域。本发明使用半监督的深度学习方法，不需要提前标注像素级别的瑕疵位置数据，解决了瑕疵分割中的标注难题，只需要使用生产中的部分正品图像即可实现全自动化的训练学习，进行瑕疵分割和有无瑕疵的分类。并且能够对各类型异常瑕疵位置的像素进行分割。
-
公开(公告)号：CN119067195A
公开(公告)日：2024-12-03
申请号：CN202411217885.0
申请日：2024-09-02
Applicant: 上海大学
IPC: G06N3/096 , G06N3/094 , G06N3/0464 , G06N3/045
Abstract: 一种用于深度卷积模型的双阶段模型重优化方法，通过在第一阶段将原始深度卷积模型改造为包含多支路的重参数化训练模块的中间模型，并对其进行蒸馏训练；在第二阶段将训练后的中间模型的重参数化训练模块进行转化，使中间模型的结构恢复为原始深度卷积模型；在在线阶段使用优化后的深度卷积模型进行实际部署；本发明结合了基于向量级的知识蒸馏框架以及多支路的重参数化训练模块，在不改变原有模型计算量、参数量、模型结构和推理速度的情况下有效提升深度卷积模型的性能。
-
公开(公告)号：CN118447491A
公开(公告)日：2024-08-06
申请号：CN202310058203.5
申请日：2023-02-04
Applicant: 上海大学
Abstract: 一种基于分组特征解耦的强泛化性多类型车牌识别系统，包括：包含骨干网络的特征提取模块、群组模块、间接监督模块以及包含字符解码器的特征解耦解码模块，本发明通过特征抖动拟合真实车牌的全局车牌图像特征图，然后通过包含隐式的多维视觉表征和显式的车牌类别信息的融合分组特征的提取和解耦的双阶段的处理方式，从实例特征中提取出车牌类型信息作为类型噪声后，将类型噪声通过分组特征解耦从实例特征中去除，最后采用基于单字符注意力机制的字符解码器预测车牌内容。本发明在合成得到的非真实数据上训练的结果则能够很好地泛化到真实场景下，大幅降低的成本，同时确保性能。
-
公开(公告)号：CN112861782B
公开(公告)日：2023-06-20
申请号：CN202110248041.2
申请日：2021-03-07
Applicant: 上海大学
IPC: G06V30/412 , G06V30/146 , G06V30/19 , G06N3/0464 , G06N3/047 , G06N3/049 , G06N3/08
Abstract: 一种票据照片关键信息提取系统及方法，包括：前端模块以及由通信单元、文本检测单元、识别单元、关键信息提取单元以及回馈单元组成的票据关键信息提取模块，前端模块采集图片并通过通信单元发送至文本检测单元，文本检测单元进行文本检测神经网络推理并得到图片中文本内容块的坐标位置，并相应裁剪图片后通过通信单元发送至识别单元，识别单元从裁剪图片中识别出文本转录内容并通过通信单元发送至关键信息提取单元，关键信息提取单元根据文本内容块的坐标位置和文本转录内容通过关键信息提取网络进行推理并得到关键信息并通过通信单元发送至前端模块进行显示，回馈单元与通信单元相连并采集用户对关键信息的判断结果后更新数据库。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.014 seconds)
