-
公开(公告)号：CN117593735A
公开(公告)日：2024-02-23
申请号：CN202311698348.8
申请日：2023-12-11
Applicant: 上海富瀚微电子股份有限公司
Abstract: 本发明涉及车牌识别技术领域，尤其涉及一种车牌识别方法、系统、摄像头及可读存储介质，方法包括：获取车牌角点坐标和外接矩形框信息；截取车牌图像数据；将车牌图像数据输入分类模型，得到清晰车牌或模糊车牌的分类结果，并对模糊车牌进行图像增强和角点坐标更新；基于车牌图像数据、车牌角点坐标以及目标车牌图像的尺寸信息得到目标车牌图像数据；将目标车牌图像数据输入车牌识别模型，得到初始识别结果；进行后处理，得到当前帧的车牌识别结果及置信度；根据各个车牌的外接矩形框信息建立车辆跟踪信息，基于车辆跟踪信息更新各个车牌的车牌识别结果及置信度。本发明极大地增加了车牌识别结果的鲁棒性，提升了复杂场景下的车牌识别准确率。
-
公开(公告)号：CN111414909B
公开(公告)日：2023-05-12
申请号：CN202010182524.2
申请日：2020-03-16
Applicant: 上海富瀚微电子股份有限公司
IPC: G06V10/25 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种目标检测方法，包括以下步骤：获取一原始图像；将原始图像输入卷积神经网络结构中进行若干次特征提取得到特征图，设置其中一张特征图为共享特征图；从共享特征图获取若干目标特征图，分别对每个目标特征图进行特征提取获取分支特征图；以及分别对每个分支特征图进行分类和回归操作，进行目标检测。每个分支特征图负责检测一定尺寸范围的目标，不再需要向其他分支特征图输送特征，或者不再需要与其他分支特征图进行融合，在一定程度上将不同尺寸目标的目标检测之间进行了解耦。同时，该方法无需进行上采样运算，不会带来网络计算带宽的增大，在计算量上也不会有明显增加。本发明还提供一种目标检测装置。
-
公开(公告)号：CN109087242B
公开(公告)日：2023-05-09
申请号：CN201710443972.1
申请日：2017-06-13
Applicant: 上海富瀚微电子股份有限公司
IPC: G06T3/40 , G06N3/084 , H04N25/10 , G06N3/0464
Abstract: 本发明公开了一种CFA插值处理方法及装置，该方法包括如下步骤：步骤一，预先设定并存储CNN插值运算所涉及的参数θ；步骤二，利用预先给定的参数对输入的图像块进行CNN插值运算处理并得到插值结果，本发明通过基于卷积神经网络的CFA插值处理方法，解决了新CFA类型的插值方法开发周期长、效果差以及逻辑复用性差等问题。
-
公开(公告)号：CN115883808A
公开(公告)日：2023-03-31
申请号：CN202211529070.7
申请日：2022-11-30
Applicant: 上海富瀚微电子股份有限公司
Abstract: 本发明公开了基于三维查找表的颜色矫正方法、装置及电子设备，该方法包括：步骤S1，采集获取RGB输入图像；步骤S2，基于标准色卡及RGB测试色卡图像建立一级查找表；步骤S3，基于一级查找表对RGB输入图像进行插值；步骤S4，根据色差指标相关控制曲线对所述RGB输入图像和步骤S3的一级插值结果进行加权融合，得到一级颜色矫正结果；步骤S5，根据前一级查找表及RGB测试色卡，与标准色卡图按预设的映射关系建立N级查找表；步骤S6，利用N级查找表对前一级颜色矫正结果进行插值，得到N级插值结果；步骤S7，将N级插值结果与前一级颜色矫正结果进行加权融合，得到N级颜色矫正结果作为最后的矫正结果输出。
-
公开(公告)号：CN114240760A
公开(公告)日：2022-03-25
申请号：CN202111640472.X
申请日：2021-12-29
Applicant: 上海富瀚微电子股份有限公司
Abstract: 本发明公开了一种视频图像非整数倍超分辨率重建方法及装置，该方法包括：S1，获取图像帧及图像帧运动信息图；S2，分别进行相同位置的分块处理；S3，进行运动概率估计；S4，对每个图像块纹理复杂度进行分类；S5，基于运动概率估计与纹理复杂度分类标签选择超分辨率网络；S6，设计多个超分辨率网络，并使用相同数据集训练；S7，利用K个超分辨率网络，对选取的超分辨率网络进行正向推理，输出每个图像块的非整数倍超分辨率图像块；S8，将每个图像块的超分结果与前一帧对应块的超分结果进行基于运动的加权融合，得到当前帧的超分辨率输出；S9，对当前帧所有图像块的超分结果进行拼接融合，得到当前帧全幅面超分结果。
-
Patent Agency Ranking
公开(公告)号：CN111612147A
公开(公告)日：2020-09-01
申请号：CN202010618614.1
申请日：2020-06-30
Applicant: 上海富瀚微电子股份有限公司
Abstract: 本发明一种深度卷积网络的量化方法，包括：根据训练任务设计合适的深度卷积网络量化结构，同时创建浮点型的伪量化正向传播计算图和反向传播计算图；首先进行第一阶段伪量化训练，得到量化参数和伪量化浮点模型；修改正反向传播计算图，对量化参数和伪量化浮点模型进行第二阶段微调量化训练，得到训练后的量化参数和伪量化浮点模型；根据伪量化正向传播计算图得到深度卷积网络的量化公式；利用深度卷积网络的量化公式将训练后的伪量化浮点模型进行量化，并采用量化后得到的定点模型数据进行全整型前向推理运算。本发明提供的深度卷积网络的量化方法提高了深度卷积网络的运算效率并且便于硬件实现。
-
公开(公告)号：CN108171657A
公开(公告)日：2018-06-15
申请号：CN201810076140.5
申请日：2018-01-26
Applicant: 上海富瀚微电子股份有限公司
IPC: G06T3/40
Abstract: 本发明涉及一种图像插值方法，包括如下步骤：获取新的Bayer格式的马赛克图像；对所述马赛克图像中的每一像素点进行插值处理，插值出缺失的另外两通道像素值，得到了对应的第一RGB格式图像；对所述马赛克图像进行下采样处理以得到原Bayer格式的图像；针对所述的原Bayer格式的图像进行插值处理，插值出缺失的另外两通道像素值，再进行上采样处理以得到对应的第二RGB格式图像；以将所述第一RGB格式图像和所述第二RGB格式图像进行融合以得到最终的RGB格式图像并输出。本发明给出了适用于新的Bayer格式的插值方法，利用两种插值方式融合得到最终的图像。能够在不同光照条件下得到较高分辨率的图像。
-
公开(公告)号：CN103747222B
公开(公告)日：2016-04-06
申请号：CN201310737027.4
申请日：2013-12-27
Applicant: 上海富瀚微电子股份有限公司
IPC: H04N9/64
Abstract: 本发明公开了一种图像假色抑制的方法及装置，包括以下步骤：输入一RGB色彩空间的RGB图像；将RGB图像从RGB色彩空间变换到一变换域色彩空间，得到亮度分量及色度分量；对色度分量进行加权滤波处理，得到加权滤波后的色度抑制输出值；将色度抑制输出值和亮度分量从所述变换域色彩空间变换到RGB色彩空间，得到假色抑制后的RGB图像并输出。通过将去马赛克处理后的RGB图像从RGB色彩空间转换到变换域LC1C2色彩空间，得到RGB图像的亮度分量和色度分量，对色度分量进行加权滤波处理，得到滤波后的色度分量，然后把滤波后的色度分量与原亮度分量从变换域LC1C2色彩空间再转换到RGB色彩空间，得到假色抑制后的RGB图像，简单有效地达到抑制图像假色的效果。
-
公开(公告)号：CN117853790A
公开(公告)日：2024-04-09
申请号：CN202311778889.1
申请日：2023-12-22
Applicant: 上海富瀚微电子股份有限公司
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种火焰检测方法、火焰检测系统、电子设备及存储介质，包括:根据接收到的燃烧影像，分别训练第一深度学习检测模型和第二深度学习检测模型，以使所述第一深度学习检测模型能够识别出火焰的影像；所述第二深度学习检测模型能够识别出烟雾的影像；获取被检测影像；调用所述第一深度学习检测模型检测所述被检测影像，若所述第一深度学习检测模型识别出所述被检测影像中存在火焰的影像，则调用所述第二深度学习检测模型检测所述待确定影像，若所述第二深度学习检测模型识别出所述被检测影像中存在烟雾的影像，则判定为确认失火影像。本发明利用火焰与烟雾两级神经网络深度学习模型进行火焰的精确判定，保证检测稳定，减少误检。
-
公开(公告)号：CN116206350A
公开(公告)日：2023-06-02
申请号：CN202211740323.5
申请日：2022-12-30
Applicant: 上海富瀚微电子股份有限公司
IPC: G06V40/16 , G06V40/40 , G06V10/778
Abstract: 本发明提供了一种人脸关键点检测的方法、人脸检测方法及装置，先根据训练图像的图像信息、头部姿态角度及人脸关键点的位置坐标训练得到人脸关键点预测模型，再通过所述人脸关键点预测模型预测得到待测图像中人脸关键点的位置坐标，从而判断所述待测图像中是否包含真人。本发明通过建立所述人脸关键点预测模型，获取了高精准度的人脸关键点的位置坐标，减少了人脸检测的误检风险，降低了检测成本。进一步的，本发明通过数据增广后的训练图像对所述人脸关键点预测模型进行训练，以使所述人脸关键点预测模型可以在人脸信息部分缺失或人脸头部姿态角度较大的情况下预测出准确的人脸关键点的位置坐标，从而提高了人脸检测的准确度。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.033 seconds)
