-
公开(公告)号：CN110245604B
公开(公告)日：2020-11-03
申请号：CN201910507278.0
申请日：2019-06-12
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于卷积神经网络的蚊虫识别方法。其步骤为：(1)构建特征提取模块；(2)构建前景预测模块；(3)构建识别和定位模块；(4)组成卷积神经网络；(5)构建蚊虫数据集；(6)训练卷积神经网络；(7)对蚊虫图片进行识别；本发明采用卷积神经网络，用于检测蚊虫诱捕装置拍摄到的蚊虫图片，对蚊虫进行类别识别和计数，能够有效解决现有自动蚊虫监测方法只能监测蚊虫数量不能监测蚊虫类别，人工识别蚊虫类别耗时耗力的问题，本发明具有可以自动监测蚊虫类别和数量，且监测精度高的优点。
-
公开(公告)号：CN108647665B
公开(公告)日：2021-07-27
申请号：CN201810479135.9
申请日：2018-05-18
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于深度学习的航拍车辆实时检测方法，主要解决现有技术难以在保证实时性的基础上对复杂场景下的航拍车辆目标进行精确检测的问题。实现步骤为：1.构建航拍车辆数据集；2.设计多尺度特征融合模块，结合该模块对基于深度学习的RefineDet实时目标检测网络进行优化，从而得到航拍车辆实时检测网络；3.利用交叉熵损失函数和焦点损失函数对航拍车辆实时检测网络依次进行训练；4.用训练好的检测模型对待检测的航拍车辆视频中的车辆进行检测。本发明设计的多尺度特征融合模块能够有效提高对航拍车辆目标的信息利用率，同时利用两个损失函数能够对航拍车辆数据集进行更为充分的训练，从而提高复杂场景下的航拍车辆目标的检测准确率。
-
公开(公告)号：CN110516686A
公开(公告)日：2019-11-29
申请号：CN201910626708.0
申请日：2019-07-11
Applicant: 西安电子科技大学
Abstract: 本发明公开一种三色RGB图像的蚊虫识别方法，主要解决现有技术需要计算资源多，设备成本高的问题。其实现方案是：获取目标蚊虫的图像区域，遍历蚊虫目标图像的像素点获得目标蚊虫图像的RGB颜色直方图以及直方图函数；根据不同种类蚊虫目标图像的三色RGB图像直方图，设计不同种类蚊虫目标图像的RGB特征函数；根据特定蚊虫种类的特征对函数表达式进行简化设计并获得函数的参数；根据目标蚊虫的RGB颜色直方图函数，以及蚊虫RGB特征函数，对目标蚊虫进行分类识别。本发明减少了计算资源，降低了设备成本，能实现对淡色库蚊和白蚊伊蚊两种蚊虫的分类，可用于生物物种的识别。
-
Patent Agency Ranking
公开(公告)号：CN110245604A
公开(公告)日：2019-09-17
申请号：CN201910507278.0
申请日：2019-06-12
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于卷积神经网络的蚊虫识别方法。其步骤为：(1)构建特征提取模块；(2)构建前景预测模块；(3)构建识别和定位模块；(4)组成卷积神经网络；(5)构建蚊虫数据集；(6)训练卷积神经网络；(7)对蚊虫图片进行识别；本发明采用卷积神经网络，用于检测蚊虫诱捕装置拍摄到的蚊虫图片，对蚊虫进行类别识别和计数，能够有效解决现有自动蚊虫监测方法只能监测蚊虫数量不能监测蚊虫类别，人工识别蚊虫类别耗时耗力的问题，本发明具有可以自动监测蚊虫类别和数量，且监测精度高的优点。
-
公开(公告)号：CN106611162B
公开(公告)日：2019-06-18
申请号：CN201611183427.5
申请日：2016-12-20
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度学习SSD框架的道路车辆实时检测方法，主要解决现有技术在道路拥挤、天气状况复杂情况下检测准确率低的问题。其实现方案是：1.在交通要道拍摄若干个行驶车辆的视频，并以手动标注的方式抓取视频各帧图像中车辆的车窗信息；2.以分类网络中VGG‑16作为基本网络，搭建SSD300*300检测框架，抽取其中某些特征提取层的特征进行连接作为识别的特征向量，并输入到损失函数中；3.用训练样本进行训练，并将训练好的检测模型代入检测框架中；4.设定相关阈值，用训练好的检测模型对测试视频中的车辆进行检测。本发明不仅大大提高了检测准确率，并且达到了实时检测的效果，可用于复杂场景下对车辆的检测。
-
公开(公告)号：CN108647665A
公开(公告)日：2018-10-12
申请号：CN201810479135.9
申请日：2018-05-18
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于深度学习的航拍车辆实时检测方法，主要解决现有技术难以在保证实时性的基础上对复杂场景下的航拍车辆目标进行精确检测的问题。实现步骤为：1.构建航拍车辆数据集；2.设计多尺度特征融合模块，结合该模块对基于深度学习的RefineDet实时目标检测网络进行优化，从而得到航拍车辆实时检测网络；3.利用交叉熵损失函数和焦点损失函数对航拍车辆实时检测网络依次进行训练；4.用训练好的检测模型对待检测的航拍车辆视频中的车辆进行检测。本发明设计的多尺度特征融合模块能够有效提高对航拍车辆目标的信息利用率，同时利用两个损失函数能够对航拍车辆数据集进行更为充分的训练，从而提高复杂场景下的航拍车辆目标的检测准确率。
-
公开(公告)号：CN110516686B
公开(公告)日：2021-03-23
申请号：CN201910626708.0
申请日：2019-07-11
Applicant: 西安电子科技大学
Abstract: 本发明公开一种三色RGB图像的蚊虫识别方法，主要解决现有技术需要计算资源多，设备成本高的问题。其实现方案是：获取目标蚊虫的图像区域，遍历蚊虫目标图像的像素点获得目标蚊虫图像的RGB颜色直方图以及直方图函数；根据不同种类蚊虫目标图像的三色RGB图像直方图，设计不同种类蚊虫目标图像的RGB特征函数；根据特定蚊虫种类的特征对函数表达式进行简化设计并获得函数的参数；根据目标蚊虫的RGB颜色直方图函数，以及蚊虫RGB特征函数，对目标蚊虫进行分类识别。本发明减少了计算资源，降低了设备成本，能实现对淡色库蚊和白蚊伊蚊两种蚊虫的分类，可用于生物物种的识别。
-
公开(公告)号：CN106611162A
公开(公告)日：2017-05-03
申请号：CN201611183427.5
申请日：2016-12-20
Applicant: 西安电子科技大学
CPC classification number: G06K9/00711 , G06K9/00744 , G06K9/6256 , G08G1/0175
Abstract: 本发明公开了一种基于深度学习SSD框架的道路车辆实时检测方法，主要解决现有技术在道路拥挤、天气状况复杂情况下检测准确率低的问题。其实现方案是：1.在交通要道拍摄若干个行驶车辆的视频，并以手动标注的方式抓取视频各帧图像中车辆的车窗信息；2.以分类网络中VGG‑16作为基本网络，搭建SSD300*300检测框架，抽取其中某些特征提取层的特征进行连接作为识别的特征向量，并输入到损失函数中；3.用训练样本进行训练，并将训练好的检测模型代入检测框架中；4.设定相关阈值，用训练好的检测模型对测试视频中的车辆进行检测。本发明不仅大大提高了检测准确率，并且达到了实时检测的效果，可用于复杂场景下对车辆的检测。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.02 seconds)
