-
公开(公告)号：CN110738697A
公开(公告)日：2020-01-31
申请号：CN201910957758.7
申请日：2019-10-10
Applicant: 福州大学
Abstract: 本发明提出一种基于深度学习的单目深度估计方法，包括：基于用于单目深度估计的无监督卷积神经网络结构,包括：编码器、多尺度特征融合模块、门控自适应解码器和细化单元；包括以下步骤：步骤S1：数据集预处理；步骤S2：构造卷积神经网络的损失函数，输入训练集图像，使用反向传播算法计算损失函数损失值，通过反复迭代减小误差进行参数学习，使预测值逼近真实值，以获得卷积神经网络的最佳权重模型；步骤S3：加载步骤S2已训练好的权重模型，将测试集输入用于单目深度估计的无监督卷积神经网络，获得深度预测图像。其解决了离线训练时计算量大和深度重建中细节部分恢复效果差的问题。
-
公开(公告)号：CN110738697B
公开(公告)日：2023-04-07
申请号：CN201910957758.7
申请日：2019-10-10
Applicant: 福州大学
IPC: G06T7/50 , G06F18/2135 , G06F18/25 , G06N3/0464 , G06N3/084
Abstract: 本发明提出一种基于深度学习的单目深度估计方法，包括：基于用于单目深度估计的无监督卷积神经网络结构,包括：编码器、多尺度特征融合模块、门控自适应解码器和细化单元；包括以下步骤：步骤S1：数据集预处理；步骤S2：构造卷积神经网络的损失函数，输入训练集图像，使用反向传播算法计算损失函数损失值，通过反复迭代减小误差进行参数学习，使预测值逼近真实值，以获得卷积神经网络的最佳权重模型；步骤S3：加载步骤S2已训练好的权重模型，将测试集输入用于单目深度估计的无监督卷积神经网络，获得深度预测图像。其解决了离线训练时计算量大和深度重建中细节部分恢复效果差的问题。
-
公开(公告)号：CN111325203A
公开(公告)日：2020-06-23
申请号：CN202010069950.5
申请日：2020-01-21
Applicant: 福州大学
Abstract: 发明涉及一种基于图像校正的美式车牌识别方法及系统，文本检测、图像校正、文本识别、文本分类模块，包括以下步骤：对数据集的图像文件进行预处理，并进行数据增强，生成训练集和测试集；设计文本检测模块，对图像中的文本信息进行检测，实现对图像中的文本与背景分割，得到仅包含文本信息的文本图像；采用图像校正模块对文本图像进行校正，将原本扭曲或倾斜的文本图像转换到水平方向；对校正后的文本图像进行识别，得到文本图像内包含的字母、数字等信息；构建文本分类模块，从所有的文本信息中筛选出车牌号、洲名、年检日期，完成车牌识别。本发明解决了对美式车牌识别时存在背景图案复杂、目标文本图像变形模糊、文本信息复杂以及使用神经网络进行离线训练时计算量大的问题。
-
公开(公告)号：CN111325203B
公开(公告)日：2022-07-05
申请号：CN202010069950.5
申请日：2020-01-21
Applicant: 福州大学
IPC: G06V30/146 , G06V20/62 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 发明涉及一种基于图像校正的美式车牌识别方法及系统，文本检测、图像校正、文本识别、文本分类模块，包括以下步骤：对数据集的图像文件进行预处理，并进行数据增强，生成训练集和测试集；设计文本检测模块，对图像中的文本信息进行检测，实现对图像中的文本与背景分割，得到仅包含文本信息的文本图像；采用图像校正模块对文本图像进行校正，将原本扭曲或倾斜的文本图像转换到水平方向；对校正后的文本图像进行识别，得到文本图像内包含的字母、数字等信息；构建文本分类模块，从所有的文本信息中筛选出车牌号、洲名、年检日期，完成车牌识别。本发明解决了对美式车牌识别时存在背景图案复杂、目标文本图像变形模糊、文本信息复杂以及使用神经网络进行离线训练时计算量大的问题。
-
-
-
Search Results
4
records
(took 0.02 seconds)
