-
公开(公告)号：CN114429573B
公开(公告)日：2024-09-06
申请号：CN202210022048.7
申请日：2022-01-10
Applicant: 华侨大学
IPC: G06V10/774 , G06V10/22 , G06V10/46 , G06V20/70 , G06V20/10 , G06F16/51 , G06F16/55 , G06F16/583
Abstract: 一种基于数据增强的生活垃圾数据集生成方法，包括：将生活垃圾分作若干批次，并且分批将生活垃圾稀疏放置在传送带上；进行彩色图和高度图的图像采集；利用高度图中物体的轮廓信息和高度信息，对彩色图进行自动标注；以没有生活垃圾的纯传送带背景作为图片模板，将N个物体随机粘贴到图像模板上，生成第一批生活垃圾数据集A1；使用A1对模型进行训练；使用训练好的模型对未标注的生活垃圾数据集D进行预测；带有伪标签的数据集作为图像模板，对A1进行数据增强生成第二批生活垃圾数据集A2；合并A1和A2，形成合并生活垃圾数据集B1。本发明可以生成大量的生活垃圾数据集，快速高效地扩充生活垃圾数据集，有助于模型的训练，提高生活垃圾识别的准确率。
-
公开(公告)号：CN113554068B
公开(公告)日：2023-10-31
申请号：CN202110758660.6
申请日：2021-07-05
Applicant: 华侨大学
IPC: G06V10/774 , G06V10/764 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种实例分割数据集的半自动标注方法、装置及可读介质，通过分别对实例分割模型和图像分类模型进行训练；使用训练好的实例分割模型对图像数据集合中的第一数据集进行预测，得到第一预测结果，基于第一预测结果确定每张图像中包含单个物体的图像，将单个物体的图像输入训练好的图像分类模型，得到第二预测结果，将单个物体的第一预测结果与第二预测结果进行对比，根据比对结果人工纠正每张图像中的单个物体的第一种类和掩膜，得到伪标签实例分割数据集；将人工实例分割数据集和伪标签实例分割数据集混合作为实例分割数据集，对实例分割模型重新训练，得到最终的实例分割模型。本方法使用少量的人工标注数据，成本低并具有较高的精度。
-
公开(公告)号：CN114120057A
公开(公告)日：2022-03-01
申请号：CN202111320510.3
申请日：2021-11-09
Applicant: 华侨大学
IPC: G06V10/774 , G06K9/62 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于PaddleDetection的混淆矩阵生成方法，包括：在PaddlePaddle平台下运用PaddleDetection目标检测开发套件训练目标检测网络；获取有标注的测试数据集，分为两个文件夹，一个文件夹放json文件，另一个放对应的图片文件，并得到真实的目标物体外接矩形框；运用infer.py图片文件进行预测，得到预测标签；得出预测修正得到的矩形检测框；将真实矩形框与预测修正得到的矩形检测框进行循环匹配，将统计得到的值记录在矩阵上；创建excle表格，将记录的矩阵填充到excle表格中，绘制出用于评价模型实际应用效果的混淆矩阵，本发明方法能通过目标检测网络预测的检测框与实际的目标检测框进行匹配，绘制在混淆矩阵上，以便对于模型各个种类的识别结果进行统计研究，优化网络模型的训练方法。
-
公开(公告)号：CN113731836A
公开(公告)日：2021-12-03
申请号：CN202110891690.4
申请日：2021-08-04
Applicant: 华侨大学
Abstract: 本发明提供了一种基于深度学习的城市固体废弃物在线分选系统，包括：输送带、图像采集系统、工控机、分选执行机构；所述输送带用于散布并输送城市固体废弃物物料，由进料口向图像采集系统及分选执行机构方向输送；所述图像采集系统位于输送带上方，于分选执行机构间隔一定距离；所述分选执行机构位于输送带末端；上述的基于深度学习的城市固体废弃物在线分选系统，相对于国内普遍使用的城市固体废弃物人工分选方法，本分选系统效率高、持续工作时间长、可显著改善工人工作环境，实现分选自动化。
-
公开(公告)号：CN113486937A
公开(公告)日：2021-10-08
申请号：CN202110719485.X
申请日：2021-06-28
Applicant: 华侨大学
IPC: G06K9/62 , G06F16/51 , G06F16/583 , G06F16/587 , G06N3/04 , G06N3/08
Abstract: 一种基于卷积神经网络的固废识别数据集构建系统，包括数据集采集模块，用于采集包括彩色信息和空间信息的固废图像集，以及用于采集包括高度信息的固废图像集，并将两种类型的图像集进行同步匹配处理，获得包括彩色信息、空间信息和高度信息的固废图像集；数据集标注模块，用于生成固废识别所需数据集。本发明通过数据集采集模块以及数据集标注模块，可以快速有效地构建并扩充废识别数据集，从而有助于卷积神经网络模型的训练，进一步提升固废识别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN114092485B
公开(公告)日：2024-08-09
申请号：CN202111141968.2
申请日：2021-09-28
Applicant: 华侨大学
Abstract: 本发明提供了工程机械领域的一种基于maskrcnn的堆叠粗骨料图像分割方法及系统，所述方法包括：通过CCD相机拍摄粗骨料颗粒图片，然后将图片传送到计算机中；通过标注工具对图像进行标注得到训练所需的粗骨料图像数据集；使用maskrcnn模型对现有的coco数据集进行训练得到权重作为初始模型；在初始模型的基础上训练粗骨料图像数据集得到最终需要的图像分割权重及图像分割模型；将采集到的待处理图像输入到所述图像分割模型中进行处理得到分割后的图像；统计所述分割后的图像中每一个粗骨料颗粒的面积；根据粗骨料颗粒的面积计算粗骨料各级配占比。本发明通过得到性能优良的分割模型，提高分割准确度，同时可适应不同工作环境。
-
公开(公告)号：CN113731836B
公开(公告)日：2023-05-26
申请号：CN202110891690.4
申请日：2021-08-04
Applicant: 华侨大学
Abstract: 本发明提供了一种基于深度学习的城市固体废弃物在线分选系统，包括：输送带、图像采集系统、工控机、分选执行机构；所述输送带用于散布并输送城市固体废弃物物料，由进料口向图像采集系统及分选执行机构方向输送；所述图像采集系统位于输送带上方，于分选执行机构间隔一定距离；所述分选执行机构位于输送带末端；上述的基于深度学习的城市固体废弃物在线分选系统，相对于国内普遍使用的城市固体废弃物人工分选方法，本分选系统效率高、持续工作时间长、可显著改善工人工作环境，实现分选自动化。
-
公开(公告)号：CN111079548B
公开(公告)日：2023-04-07
申请号：CN201911157744.3
申请日：2019-11-22
Applicant: 华侨大学 , 福建南方路面机械有限公司
IPC: G06V20/60 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/088
Abstract: 一种基于目标高度信息和色彩信息的固废在线识别方法，包括：物料传送模块、高度信息采集模块、色彩信息采集模块、脉冲控制模块、数据传输模块和数据处理模块；高度信息采集模块和色彩信息采集模块设置在物料传送模块上方以采集传送的建筑垃圾的高度和色彩信息；脉冲控制模块与高度信息采集模块和色彩信息采集模块分别相连接以控制同时采集；高度信息采集模块和色彩信息采集模块分别与数据传输模块以将采集的信息发送至数据处理模块；数据处理模块对高度信息和色彩信息进行预处理后，通过改进的卷积神经网络对高度信息和色彩信息进行特征融合并分类，输出建筑垃圾分类结果。本发明能极大地提高目标检测的准确率，并满足在线检测的要求。
-
公开(公告)号：CN115601546A
公开(公告)日：2023-01-13
申请号：CN202211324514.3
申请日：2022-10-27
Applicant: 华侨大学(CN)
Abstract: 本发明公开了一种实例分割模型训练方法、装置及可读介质，通过采用第一训练集分别训练主体模型和辅助模型，得到经训练的主体模型和经训练的辅助模型，其中，主体模型为实例分割模型，辅助模型为逐像素分类模型；将待测图像分别输入经训练的主体模型和经训练的辅助模型，得到第一预测结果和第二预测结果，分别获取第一预测结果和第二预测结果的第一掩膜图和第二掩膜图；根据第一掩膜图和第二掩膜图确定难例样本，难例样本为因置信度低而未被经训练的主体模型识别出目标的待测图像，将难例样本与其第二预测结果对应的标签保存为第二训练集；采用第二训练集对经训练的主体模型继续进行训练，得到训练好的主体模型，能够有效提高模型泛化性和准确率。
-
公开(公告)号：CN114092485A
公开(公告)日：2022-02-25
申请号：CN202111141968.2
申请日：2021-09-28
Applicant: 华侨大学
Abstract: 本发明提供了工程机械领域的一种基于maskrcnn的堆叠粗骨料图像分割方法及系统，所述方法包括：通过CCD相机拍摄粗骨料颗粒图片，然后将图片传送到计算机中；通过标注工具对图像进行标注得到训练所需的粗骨料图像数据集；使用maskrcnn模型对现有的coco数据集进行训练得到权重作为初始模型；在初始模型的基础上训练粗骨料图像数据集得到最终需要的图像分割权重及图像分割模型；将采集到的待处理图像输入到所述图像分割模型中进行处理得到分割后的图像；统计所述分割后的图像中每一个粗骨料颗粒的面积；根据粗骨料颗粒的面积计算粗骨料各级配占比。本发明通过得到性能优良的分割模型，提高分割准确度，同时可适应不同工作环境。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.021 seconds)
