-
公开(公告)号：CN113362279A
公开(公告)日：2021-09-07
申请号：CN202110521471.7
申请日：2021-05-13
Applicant: 北京理工大学 , 深圳海关动植物检验检疫技术中心
Abstract: 本发明涉及一种免疫层析试纸浓度智能检测方法，属于计算机图像处理和识别检测技术领域。首先对原始的免疫层析试纸进行拍照，构建图片数据集，用于训练轻量级深度学习检测算法模型。然后，利用手机等对滴有被测溶液的待检测免疫层析试纸进行拍照。使用经训练的检测算法对照片中的免疫层析试纸的层析膜位置进行定位，之后进行浓度检测计算。将计算得到的对应值与试剂标准浓度数据库的标准值进行比较，找到与其最相近的标准值，该对应值的标准值即为试纸浓度值。与现有技术相比，本发明检测准确率高，不依赖携带不便、价格高昂的专用检测设备，使用简单，快速检测，适用于医疗检测、食品稽查等现场检测，易于推广使用。
-
公开(公告)号：CN113255646A
公开(公告)日：2021-08-13
申请号：CN202110612702.5
申请日：2021-06-02
Applicant: 北京理工大学
Abstract: 本发明涉及一种实时场景文本检测方法，属于计算机视觉处理技术领域。首先提取当前自然场景图像的特征。然后采用交叉池化注意力方式，对深层特征的权重进行重新分配。之后对不同尺度的特征自下而上进行融合，将不同尺度特征进行合并。使用特征分块Transformer编码器处理文本多样性。分割出文本实例的“核”，从文本“核”中构建文本实例。本方法，仅需要少量的计算量即可增强骨架网络的特征表示能力。首次提出引用Transformer编码器结构并对其进行修改，得到特征分块Transformer编码器以处理文本多样性问题，对模型性能有较大的提升。本方法在满足实时性的前提下，性能领先于现有的实时场景文本检测方法，在实时性与精度之间实现了更好的平衡。
-
公开(公告)号：CN113255646B
公开(公告)日：2022-10-18
申请号：CN202110612702.5
申请日：2021-06-02
Applicant: 北京理工大学
Abstract: 本发明涉及一种实时场景文本检测方法，属于计算机视觉处理技术领域。首先提取当前自然场景图像的特征。然后采用交叉池化注意力方式，对深层特征的权重进行重新分配。之后对不同尺度的特征自下而上进行融合，将不同尺度特征进行合并。使用特征分块Transformer编码器处理文本多样性。分割出文本实例的“核”，从文本“核”中构建文本实例。本方法，仅需要少量的计算量即可增强骨架网络的特征表示能力。首次提出引用Transformer编码器结构并对其进行修改，得到特征分块Transformer编码器以处理文本多样性问题，对模型性能有较大的提升。本方法在满足实时性的前提下，性能领先于现有的实时场景文本检测方法，在实时性与精度之间实现了更好的平衡。
-
-
Search Results
3
records
(took 0.026 seconds)
