公开(公告)号：CN118658038A

公开(公告)日：2024-09-17

申请号：CN202410638161.7

申请日：2024-05-22

Applicant: 南京邮电大学

Inventor： 孙武熙 ,  尚磊 ,  孙红波 ,  冯一洲 ,  刘顺 ,  杜仡昕 ,  陈松乐

IPC: G06V10/82 ,  G06V30/19 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08 ,  G06K17/00

Abstract: 本发明公开了一种基于深度学习的快递面单条形码检测方法，包括以下步骤：对收集的快递面单检测数据集使用可旋转的边界框进行标签标注；通过改进的Swin‑Transformer算法得到特征图；将所述的特征图基于特征融合网络处理得到融合的特征图；将融合后的特征图输入检测头进行检测；利用基于圆形平滑标签改进后的包围框输出对快递面单条形码定位的预测；对于检测到的快递面单条形码区域，利用zbar库对修正后的条形码进行解码，从而得到快递面单的条形码解析结果。本发明能够更好突显出目标的角度信息和特征信息，从而更准确地框定快递面单条形码的位置和形状，具有更高的检测速度和识别精度，可以更好帮助快递包裹的自动化处理，具有较好的实际可行性。

公开(公告)号：CN116188778A

公开(公告)日：2023-05-30

申请号：CN202310159918.X

申请日：2023-02-23

Applicant: 南京邮电大学

Inventor： 刘顺

IPC: G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06T3/40

Abstract: 本发明公开了一种基于超分辨的双边语义分割方法，基于超分辨率技术以及注意力机制技术，采用了双支路的语义分割方法，具有较高的灵活度，能够在低分率领域做到不增加额外计算量的情况下，提高图像分割的准确度；本发明通过交换主支路的主干网络来换取更加先进的语义分割方法，同时将图像通道和像素关联融合，得到高分辨率下的高准确度的分割结果；并将分割结果，送入融合模块，指导主支路进行分割学习。