-
公开(公告)号：CN110008912A
公开(公告)日：2019-07-12
申请号：CN201910286271.0
申请日：2019-04-10
Applicant: 东北大学
Abstract: 本发明涉及一种基于植物识别的社交平台匹配方法和系统；本发明方法包括：获取社交平台中已注册用户拍摄的植物叶片图像以及该图像的拍摄信息；针对植物叶片图像进行处理，获取叶片分割图像和叶脉图像；获取基础特征、波形特征、骨架特征和拍摄角度信息；将基础特征、波形特征和骨架特征输入至预先训练的分类神经网络，获取叶片种类信息；利用待匹配用户和全部用户的叶片种类信息、用户注册信息、拍摄角度信息拍摄信息和预先训练的匹配神经网络获取至少一个用户作为匹配结果；本发明方法分割结果接近真实叶片形状、噪点小、分割精度高，且种类识别结果准确，此外社交平台用户匹配结合了种类识别结果和用户信息具有较佳的实用性。
-
公开(公告)号：CN110008912B
公开(公告)日：2023-04-18
申请号：CN201910286271.0
申请日：2019-04-10
Applicant: 东北大学
Abstract: 本发明涉及一种基于植物识别的社交平台匹配方法和系统；本发明方法包括：获取社交平台中已注册用户拍摄的植物叶片图像以及该图像的拍摄信息；针对植物叶片图像进行处理，获取叶片分割图像和叶脉图像；获取基础特征、波形特征、骨架特征和拍摄角度信息；将基础特征、波形特征和骨架特征输入至预先训练的分类神经网络，获取叶片种类信息；利用待匹配用户和全部用户的叶片种类信息、用户注册信息、拍摄角度信息拍摄信息和预先训练的匹配神经网络获取至少一个用户作为匹配结果；本发明方法分割结果接近真实叶片形状、噪点小、分割精度高，且种类识别结果准确，此外社交平台用户匹配结合了种类识别结果和用户信息具有较佳的实用性。
-
公开(公告)号：CN107563388A
公开(公告)日：2018-01-09
申请号：CN201710838112.8
申请日：2017-09-18
Applicant: 东北大学
Abstract: 本发明涉及一种基于深度信息预分割的卷积神经网络物体识别方法，包括以下步骤：步骤1：采集场景的深度图像和彩色图像；步骤2：从场景的深度图像中分割出物体的深度图像；步骤3：根据物体的深度图像的分割范围，从场景的彩色图像中分割出物体的彩色图像；步骤4：对分割好的彩色图像进行填充处理；步骤5：将填充好的彩色图像输入到卷积神经网络进行识别，输出识别结果。本发明的基于深度信息预分割的卷积神经网络物体识别方法，可以识别复杂图片中的多个物体，训练速度快、识别速度快，对硬件要求低，可减少卷积神经网络过拟合。
-
-
Search Results
3
records
(took 0.012 seconds)
