-
公开(公告)号：CN108876849B
公开(公告)日：2021-11-23
申请号：CN201810533423.8
申请日：2018-05-29
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于辅助标识的深度学习目标识别及定位方法,包括:步骤1、设计图案的优选策略，优选出可分类性强的图案；步骤2、确定大型物体的位置姿态；步骤3、利用优选图案识别小目标；步骤4、通过组合图案类别，拓展可识别类别数量。本发明考虑到深度学习方法用于目标检测时无法准确得到目标位置，将深度学习和双目视觉相结合，利用深度学习优秀的识别能力和鲁棒性，以及双目视觉定位准确的特点，最终实现优于传统方法的目标准确识别与定位。此外在环境中引入图案不同于传统人工标识方法，不会影响环境的美观性。
-
公开(公告)号：CN108876849A
公开(公告)日：2018-11-23
申请号：CN201810533423.8
申请日：2018-05-29
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于辅助标识的深度学习目标识别及定位方法,包括:步骤1、设计图案的优选策略，优选出可分类性强的图案；步骤2、确定大型物体的位置姿态；步骤3、利用优选图案识别小目标；步骤4、通过组合图案类别，拓展可识别类别数量。本发明考虑到深度学习方法用于目标检测时无法准确得到目标位置，将深度学习和双目视觉相结合，利用深度学习优秀的识别能力和鲁棒性，以及双目视觉定位准确的特点，最终实现优于传统方法的目标准确识别与定位。此外在环境中引入图案不同于传统人工标识方法，不会影响环境的美观性。
-
公开(公告)号：CN109886357A
公开(公告)日：2019-06-14
申请号：CN201910189578.9
申请日：2019-03-13
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于特征融合的自适应权重深度学习目标分类方法。目标粗检测；提取图像卷积特征和HOG特征，对HOG特征扩维处理；将SENet嵌入到Resnet网络框架，建立用于提取图像多特征权重的网络框架；计算卷积特征和HOG特征的自适应权重向量，制定特征融合策略，计算图像融合特征；建立基于精准二分类网络集的多目标分类框架。本发明将图像卷积特征与HOG特征融合，提取图像特征的自适应权重向量，设计深度学习网络构型和参数，构建精准的分类网络，该网络通过降低得分阈值来得到更多的候选框，提高目标检测的召回率；通过设计多个二分类网络，在多分类问题上具有更高的准确率。
-
公开(公告)号：CN109886357B
公开(公告)日：2022-12-13
申请号：CN201910189578.9
申请日：2019-03-13
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/80 , G06V10/50 , G06V10/82
Abstract: 本发明提供的是一种基于特征融合的自适应权重深度学习目标分类方法。目标粗检测；提取图像卷积特征和HOG特征，对HOG特征扩维处理；将SENet嵌入到Resnet网络框架，建立用于提取图像多特征权重的网络框架；计算卷积特征和HOG特征的自适应权重向量，制定特征融合策略，计算图像融合特征；建立基于精准二分类网络集的多目标分类框架。本发明将图像卷积特征与HOG特征融合，提取图像特征的自适应权重向量，设计深度学习网络构型和参数，构建精准的分类网络，该网络通过降低得分阈值来得到更多的候选框，提高目标检测的召回率；通过设计多个二分类网络，在多分类问题上具有更高的准确率。
-
-
-
Search Results
4
records
(took 0.017 seconds)
