-
公开(公告)号：CN111861967B
公开(公告)日：2024-03-15
申请号：CN201910315913.5
申请日：2019-04-18
Applicant: 同方威视技术股份有限公司 , 清华大学
IPC: G06T7/00 , G06V10/75 , G06V10/774 , G06V10/82 , G06N3/0455
Abstract: 提供了一种用于检测辐射图像中的局部异常的网络，包括重建网络部分和孪生网络部分。重建网络部分包括第一编码网络、生成网络、判别网络和第二编码网络，第一编码网络用于根据原图像生成原图像的本征向量和类别，生成网络用于根据本征向量和类别生成重建图像，第二编码网络用于根据重建图像生成重建图像的本征向量。孪生网络部分基于原图像的本征向量和对应的重建图像的本征向量来判断原图像和重建图像之间的相似性，以确定是否存在局部异常。本发明还提供了对应的训练方法以及利用该网络来检测辐射图像中的局部异常的方法。
-
公开(公告)号：CN111382775A
公开(公告)日：2020-07-07
申请号：CN201811653374.8
申请日：2018-12-29
Applicant: 清华大学 , 同方威视技术股份有限公司
Abstract: 本发明提供了用于X射线图像处理的生成对抗网络的结构和代价函数设计方法构建和实施方法，该生成对抗网络用于从图像中提取物体，包括生成网络和判别网络，其代价函数包括生成对抗网络代价函数、先验知识代价函数、箱体自相似代价函数。本发明可以较好地解决DR图像减影问题，并且可以利用现有的DR图像数据训练神经网络，无需建立一一配对的图像数据集。
-
公开(公告)号：CN111382775B
公开(公告)日：2023-10-20
申请号：CN201811653374.8
申请日：2018-12-29
Applicant: 清华大学 , 同方威视技术股份有限公司
IPC: G06V10/774 , G06V10/764 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了用于X射线图像处理的生成对抗网络的结构和代价函数设计方法构建和实施方法，该生成对抗网络用于从图像中提取物体，包括生成网络和判别网络，其代价函数包括生成对抗网络代价函数、先验知识代价函数、箱体自相似代价函数。本发明可以较好地解决DR图像减影问题，并且可以利用现有的DR图像数据训练神经网络，无需建立一一配对的图像数据集。
-
公开(公告)号：CN109741398A
公开(公告)日：2019-05-10
申请号：CN201811632460.0
申请日：2018-12-28
Applicant: 同方威视技术股份有限公司 , 清华大学
Abstract: 本发明提供了一种图像识别方法，包括：确定图像中的至少一个对象的多个候选区域；基于所述多个候选区域，确定所述至少一个对象的粗识别结果；以及基于所述粗识别结果，确定所述至少一个对象的精确位置。本发明可以自动提取出车辆安检图像中的目标车体部件区域，能在一定程度上辅助人工判图，用于后续的车体部件风险分析和嫌疑预警。
-
公开(公告)号：CN111382733B
公开(公告)日：2023-09-15
申请号：CN201811632508.8
申请日：2018-12-28
Applicant: 同方威视技术股份有限公司
IPC: G06V30/146 , G06V30/148 , G06V30/19
Abstract: 本公开的实施例公开了一种多通道集装箱号识别方法，包括：通过多个通道中的每一个通道向集装箱号检测模型输入待识别箱号图像，以生成与多个建议框相关的信息，所述信息包括所述建议框的位置和所述建议框包含相应字符的概率；对与每个通道相对应的多个建议框进行箱号字符提取，以获得与每个通道相对应的通道识别结果；以及利用最大概率和法分别计算与所述多个通道相对应的多个通道识别结果的概率和，以选择与概率和最大的通道相对应的通道识别结果作为集装箱号识别结果。
-
Patent Agency Ranking
公开(公告)号：CN119919885A
公开(公告)日：2025-05-02
申请号：CN202411998551.1
申请日：2019-07-23
Applicant: 同方威视技术股份有限公司
IPC: G06V20/52 , G06V10/44 , G06V10/75 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明的实施例公开了一种车辆部位识别方法，包括：获取所述车辆的待检测图像；通过图像映射函数将所述待检测图像映射为标签图像，所述标签图像包括用于标识所述车辆的组成部分的标签；采用基于特征点对齐的方式，将所述标签图像中的标签映射到所述待检测图像；以及在所述待检测图像中根据所述标签来确定所述车辆的各组成部分所在的位置，其中，基于输入的待检测图像训练集和与所述待检测图像训练集相对应的标签图像集，对卷积神经网络进行训练得到所述图像映射函数。
-
公开(公告)号：CN112287725B
公开(公告)日：2025-01-28
申请号：CN201910669206.6
申请日：2019-07-23
Applicant: 同方威视技术股份有限公司
IPC: G06V20/52 , G06V10/44 , G06V10/75 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明的的实施例公开了一种车辆部位识别方法，包括：通过对车辆进行辐射成像，获取所述车辆的待检测图像；通过图像映射函数将所述待检测图像映射为标签图像，所述标签图像包括标识所述车辆的组成部分的标签；通过坐标映射函数将所述标签图像中的标签映射到所述待检测图像；以及在所述待检测图像中根据所述标签来确定所述车辆的组成部分所在的位置，其中，所述图像映射函数是基于输入的待检测图像训练集和与所述待检测图像训练集相对应的标签图像集利用代价函数对卷积神经网络进行训练得到的，并且其中，所述坐标映射函数是通过特征点匹配得到的。
-
公开(公告)号：CN112287725A
公开(公告)日：2021-01-29
申请号：CN201910669206.6
申请日：2019-07-23
Applicant: 同方威视技术股份有限公司
Abstract: 本发明的的实施例公开了一种车辆部位识别方法，包括：通过对车辆进行辐射成像，获取所述车辆的待检测图像；通过图像映射函数将所述待检测图像映射为标签图像，所述标签图像包括标识所述车辆的组成部分的标签；通过坐标映射函数将所述标签图像中的标签映射到所述待检测图像；以及在所述待检测图像中根据所述标签来确定所述车辆的组成部分所在的位置，其中，所述图像映射函数是基于输入的待检测图像训练集和与所述待检测图像训练集相对应的标签图像集利用代价函数对卷积神经网络进行训练得到的，并且其中，所述坐标映射函数是通过特征点匹配得到的。
-
公开(公告)号：CN111861967A
公开(公告)日：2020-10-30
申请号：CN201910315913.5
申请日：2019-04-18
Applicant: 同方威视技术股份有限公司 , 清华大学
Abstract: 提供了一种用于检测辐射图像中的局部异常的网络，包括重建网络部分和孪生网络部分。重建网络部分包括第一编码网络、生成网络、判别网络和第二编码网络，第一编码网络用于根据原图像生成原图像的本征向量和类别，生成网络用于根据本征向量和类别生成重建图像，第二编码网络用于根据重建图像生成重建图像的本征向量。孪生网络部分基于原图像的本征向量和对应的重建图像的本征向量来判断原图像和重建图像之间的相似性，以确定是否存在局部异常。本发明还提供了对应的训练方法以及利用该网络来检测辐射图像中的局部异常的方法。
-
公开(公告)号：CN111382762A
公开(公告)日：2020-07-07
申请号：CN201811632412.1
申请日：2018-12-28
Applicant: 同方威视技术股份有限公司 , 清华大学
IPC: G06K9/62
Abstract: 公开了一种空箱识别方法及识别系统，该方法包括以下步骤：获取报关信息，从所述报关信息中提取申报为空箱或空车的车辆；对所述车辆进行X射线检查，获取所述车辆的透射图像；将所述透射图像输入预先训练得到的空箱识别模型，以便所述空箱识别模型定位出所述透射图像的候选区域，并对所述候选区域进行后处理分析以获得图像识别结果；以及将所述图像识别结果与对应的所述报关信息进行比较，判定是否与所述报关信息相符。根据本公开的空箱识别方法及识别系统，通过对申报为空箱或空车的车辆的透射图像进行智能分析，能够在不开箱的情况下准确地确定车辆是否为空，并在很大程度上减轻安检人员的工作量。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.037 seconds)
