一种目标样本标注生成方法
    2.
    发明公开

    公开(公告)号:CN114066979A

    公开(公告)日:2022-02-18

    申请号:CN202111186916.7

    申请日:2021-10-12

    摘要: 本发明公开了一种目标样本标注生成方法,属于深度学习技术领域,解决多个需求不同图片大小的目标样本的神经网络中复用的问题。方法包括:根据预设重叠比例、预切割小图尺寸及预设外扩比例对大图进行切割;对切割得到的小图中的目标样本进行标注,得到标注点在各小图上的相对坐标;根据相对坐标对应小图相对于大图的切割位置、在各小图上的相对坐标、所述预设重叠比例、所述预切割小图尺寸及所述预设外扩比例,确定各标注点在所述大图上的绝对坐标,得到包含有标注点绝对坐标的大图。

    一种基于机器视觉跟踪的集装箱货柜车防吊起方法及系统

    公开(公告)号:CN106986272B

    公开(公告)日:2018-05-22

    申请号:CN201710104528.7

    申请日:2017-02-24

    摘要: 本发明公开了一种基于机器视觉跟踪的集装箱货柜车防吊起系统,包括轮胎吊、摄像头、货柜车、集装箱、视频报警机、中控室控制设备,摄像头安装于所述轮胎吊底部支架,高度与所述货柜车的车架平齐,摄像头的视场垂直于货柜车行驶方向;摄像头向视频报警机输入跟踪获得的视频图像,视频报警机采用基于快速傅立叶变化在线学习的跟踪算法对获得的视频图像进行处理,当判定货柜车被吊起时,向中控室控制设备发出报警信号。该系统能够自动检测集装箱与货柜车是否分离,从而避免人为失误将集装箱货柜车误吊起,实现对箱区堆场作业的安全预控。

    一种针对迁移学习的神经网络模型输入通道整合方法

    公开(公告)号:CN111652352B

    公开(公告)日:2023-08-04

    申请号:CN202010404179.2

    申请日:2020-05-13

    摘要: 一种针对迁移学习的神经网络模型输入通道整合方法,首先对网络模型描述文件中的数据输入层描述进行修改,删除原数据输入层描述,增加基于图像数据列表的数据输入层描述,并将待修改的第一个卷积层重命名;然后读取神经网络模型权重文件,并对其进行修改,使对应的神经网络模型仅需要单通道数据作为输入;最后进行单通道图像数据的实时目标检测识别测试。本发明通过对经三通道训练样本数据训练的网络模型权重文件进行分析整合,形成了单通道输入的网络模型权重文件,直接在嵌入式平台部署,无需经过通道复制操作,不需要占用多余的内存空间,减轻了神经网络的计算量,降低了对信息处理资源的压力,可直接在单通道数据上完成实时目标检测识别。

    一种针对迁移学习的神经网络模型输入通道整合方法

    公开(公告)号:CN111652352A

    公开(公告)日:2020-09-11

    申请号:CN202010404179.2

    申请日:2020-05-13

    IPC分类号: G06N3/04 G06N3/08 G06K9/62

    摘要: 一种针对迁移学习的神经网络模型输入通道整合方法,首先对网络模型描述文件中的数据输入层描述进行修改,删除原数据输入层描述,增加基于图像数据列表的数据输入层描述,并将待修改的第一个卷积层重命名;然后读取神经网络模型权重文件,并对其进行修改,使对应的神经网络模型仅需要单通道数据作为输入;最后进行单通道图像数据的实时目标检测识别测试。本发明通过对经三通道训练样本数据训练的网络模型权重文件进行分析整合,形成了单通道输入的网络模型权重文件,直接在嵌入式平台部署,无需经过通道复制操作,不需要占用多余的内存空间,减轻了神经网络的计算量,降低了对信息处理资源的压力,可直接在单通道数据上完成实时目标检测识别。