-
公开(公告)号：CN112464750B
公开(公告)日：2023-11-14
申请号：CN202011253290.2
申请日：2020-11-11
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于深度学习的车牌特征点检测方法，旨在解决现有技术中车牌特征点检测精度低的技术问题。其包括：获取道路视频，并将道路视频转换成道路图像数据；利用预先训练好的车牌特征点检测模型处理道路图像数据，通过模型前向推理获得车牌特征点检测结果；利用OpenCV工具将车牌特征点检测结果以标签的形式添加到道路图像数据中，并将带有标签的道路图像数据恢复成带有标签的道路视频，获得道路视频的车牌特征点检测结果；其中，所述车牌特征点检测模型采用融合注意力机制的高分辨率并行网络模型。本发明方法能够高效、准确的进行车牌特征点检测。
-
公开(公告)号：CN115271151A
公开(公告)日：2022-11-01
申请号：CN202210604341.4
申请日：2022-05-31
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于残差校准网络与多尺度融合机制的交通流量预测方法，其特征在于，所述方法包括：获取交通流量数据和外部特征数据；对交通流量数据和外部特征数据进行预处理，得到待测交通图像数据；将待测交通图像数据输入至预先训练好的MS‑ResCNet网络模型中，输出交通流量的预测的结果；本发明所提出的基于残差校准网络与多尺度融合机制的网络模型流量预测方法，在深度残差网络的基础上，添加了多条网络路径融合后的校准网络，可以校准城市交通流空间上各个区域的流量特征，避免整个城市空间特征中无关区域对各自区域的干扰，用以解决没有充分提取时空特征从而导致预测精度不够的问题。
-
公开(公告)号：CN112464750A
公开(公告)日：2021-03-09
申请号：CN202011253290.2
申请日：2020-11-11
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于深度学习的车牌特征点检测方法，旨在解决现有技术中车牌特征点检测精度低的技术问题。其包括：获取道路视频，并将道路视频转换成道路图像数据；利用预先训练好的车牌特征点检测模型处理道路图像数据，通过模型前向推理获得车牌特征点检测结果；利用OpenCV工具将车牌特征点检测结果以标签的形式添加到道路图像数据中，并将带有标签的道路图像数据恢复成带有标签的道路视频，获得道路视频的车牌特征点检测结果；其中，所述车牌特征点检测模型采用融合注意力机制的高分辨率并行网络模型。本发明方法能够高效、准确的进行车牌特征点检测。
-
-
Search Results
3
records
(took 0.014 seconds)
