-
Patent Agency Ranking
公开(公告)号：CN109583328A
公开(公告)日：2019-04-05
申请号：CN201811345088.5
申请日：2018-11-13
Applicant: 东南大学
Abstract: 本发明公开了一种嵌入稀疏连接的深度卷积神经网络字符识别方法，属于信息与通信工程领域。本发明提供的字符识别方法，是基于深度卷积神经网络的，与现有方法不同的是，本发明是对深度卷积神经网络结构的改进，针对原有网络所存在的训练时内存溢出的问题，在原有的深度卷积神经网络中嵌入稀疏连接层，增加了网络的宽度，减少了参数，降低参数空间的维度。从而节省在网络训练和测试时所需要的硬件开销，减少了训练网络时所占用的内存空间，缩短了训练时所需要的时长。
-
公开(公告)号：CN109815765A
公开(公告)日：2019-05-28
申请号：CN201910053523.5
申请日：2019-01-21
Applicant: 东南大学
Abstract: 本发明公开了一种提取含有二维码的营业执照信息的方法及装置。其中，方法包括：对获取的含有二维码的营业执照图像进行预处理，并基于深度学习的目标检测网络训练预处理后的图像集，获得二维码定位模型；对待检测含二维码的营业执照图像进行二维码定位；获得并扫描二维码图像，提取所述二维码包含的企业信用信息网站统一资源定位符；根据所述统一资源定位符对应的网页页面信息，抓取所述营业执照的基本信息。装置包括样本处理模块、二维码定位模块、二维码识别模块及网页信息抓取模块。本发明提高了二维码定位的准确度，克服了图片背景复杂导致二维码定位不准确的问题，实现100％准确率提取营业执照信息，提高了办公效率。
-
公开(公告)号：CN109583328B
公开(公告)日：2021-09-03
申请号：CN201811345088.5
申请日：2018-11-13
Applicant: 东南大学
Abstract: 本发明公开了一种嵌入稀疏连接的深度卷积神经网络字符识别方法，属于信息与通信工程领域。本发明提供的字符识别方法，是基于深度卷积神经网络的，与现有方法不同的是，本发明是对深度卷积神经网络结构的改进，针对原有网络所存在的训练时内存溢出的问题，在原有的深度卷积神经网络中嵌入稀疏连接层，增加了网络的宽度，减少了参数，降低参数空间的维度。从而节省在网络训练和测试时所需要的硬件开销，减少了训练网络时所占用的内存空间，缩短了训练时所需要的时长。
-
公开(公告)号：CN111553397A
公开(公告)日：2020-08-18
申请号：CN202010316648.5
申请日：2020-04-21
Applicant: 东南大学
Abstract: 本发明公开了一种基于区域全卷积网络和自适应的跨域目标检测方法，属于计算机视觉技术领域。本发明使用深度学习目标检测技术，针对目标检测中训练域和测试域的数据不同分布的问题，利用自适应方法来改善目标检测的跨域鲁棒性。首先基于深度学习构建了区域全卷积网络模型；接着在图像级别和目标级别上设计了两个相应的域分类器作为自适应成分来减少域变换的差异，并在域分类器加上一致性正则化；然后以端到端的方式训练网络；最后去掉自适应成分，将网络用于目标检测任务。采用我们设计的跨域目标检测方法可以有效提高在各种域变换场景中进行目标检测的平均精度。
-
公开(公告)号：CN111553397B
公开(公告)日：2022-04-29
申请号：CN202010316648.5
申请日：2020-04-21
Applicant: 东南大学
Abstract: 本发明公开了一种基于区域全卷积网络和自适应的跨域目标检测方法，属于计算机视觉技术领域。本发明使用深度学习目标检测技术，针对目标检测中训练域和测试域的数据不同分布的问题，利用自适应方法来改善目标检测的跨域鲁棒性。首先基于深度学习构建了区域全卷积网络模型；接着在图像级别和目标级别上设计了两个相应的域分类器作为自适应成分来减少域变换的差异，并在域分类器加上一致性正则化；然后以端到端的方式训练网络；最后去掉自适应成分，将网络用于目标检测任务。采用我们设计的跨域目标检测方法可以有效提高在各种域变换场景中进行目标检测的平均精度。
-
-
-
-
Search Results
5
records
(took 0.018 seconds)
