-
公开(公告)号：CN114120057B
公开(公告)日：2025-01-17
申请号：CN202111320510.3
申请日：2021-11-09
Applicant: 华侨大学
IPC: G06V10/774 , G06V10/82 , G06V10/25 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于PaddleDetection的混淆矩阵生成方法，包括：在PaddlePaddle平台下运用PaddleDetection目标检测开发套件训练目标检测网络；获取有标注的测试数据集，分为两个文件夹，一个文件夹放json文件，另一个放对应的图片文件，并得到真实的目标物体外接矩形框；运用infer.py图片文件进行预测，得到预测标签；得出预测修正得到的矩形检测框；将真实矩形框与预测修正得到的矩形检测框进行循环匹配，将统计得到的值记录在矩阵上；创建excle表格，将记录的矩阵填充到excle表格中，绘制出用于评价模型实际应用效果的混淆矩阵，本发明方法能优化网络模型的训练方法。
-
公开(公告)号：CN113554068A
公开(公告)日：2021-10-26
申请号：CN202110758660.6
申请日：2021-07-05
Applicant: 华侨大学
Abstract: 本发明公开了一种实例分割数据集的半自动标注方法、装置及可读介质，通过分别对实例分割模型和图像分类模型进行训练；使用训练好的实例分割模型对图像数据集合中的第一数据集进行预测，得到第一预测结果，基于第一预测结果确定每张图像中包含单个物体的图像，将单个物体的图像输入训练好的图像分类模型，得到第二预测结果，将单个物体的第一预测结果与第二预测结果进行对比，根据比对结果人工纠正每张图像中的单个物体的第一种类和掩膜，得到伪标签实例分割数据集；将人工实例分割数据集和伪标签实例分割数据集混合作为实例分割数据集，对实例分割模型重新训练，得到最终的实例分割模型。本方法使用少量的人工标注数据，成本低并具有较高的精度。
-
公开(公告)号：CN114429573B
公开(公告)日：2024-09-06
申请号：CN202210022048.7
申请日：2022-01-10
Applicant: 华侨大学
IPC: G06V10/774 , G06V10/22 , G06V10/46 , G06V20/70 , G06V20/10 , G06F16/51 , G06F16/55 , G06F16/583
Abstract: 一种基于数据增强的生活垃圾数据集生成方法，包括：将生活垃圾分作若干批次，并且分批将生活垃圾稀疏放置在传送带上；进行彩色图和高度图的图像采集；利用高度图中物体的轮廓信息和高度信息，对彩色图进行自动标注；以没有生活垃圾的纯传送带背景作为图片模板，将N个物体随机粘贴到图像模板上，生成第一批生活垃圾数据集A1；使用A1对模型进行训练；使用训练好的模型对未标注的生活垃圾数据集D进行预测；带有伪标签的数据集作为图像模板，对A1进行数据增强生成第二批生活垃圾数据集A2；合并A1和A2，形成合并生活垃圾数据集B1。本发明可以生成大量的生活垃圾数据集，快速高效地扩充生活垃圾数据集，有助于模型的训练，提高生活垃圾识别的准确率。
-
公开(公告)号：CN113554068B
公开(公告)日：2023-10-31
申请号：CN202110758660.6
申请日：2021-07-05
Applicant: 华侨大学
IPC: G06V10/774 , G06V10/764 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种实例分割数据集的半自动标注方法、装置及可读介质，通过分别对实例分割模型和图像分类模型进行训练；使用训练好的实例分割模型对图像数据集合中的第一数据集进行预测，得到第一预测结果，基于第一预测结果确定每张图像中包含单个物体的图像，将单个物体的图像输入训练好的图像分类模型，得到第二预测结果，将单个物体的第一预测结果与第二预测结果进行对比，根据比对结果人工纠正每张图像中的单个物体的第一种类和掩膜，得到伪标签实例分割数据集；将人工实例分割数据集和伪标签实例分割数据集混合作为实例分割数据集，对实例分割模型重新训练，得到最终的实例分割模型。本方法使用少量的人工标注数据，成本低并具有较高的精度。
-
公开(公告)号：CN114120057A
公开(公告)日：2022-03-01
申请号：CN202111320510.3
申请日：2021-11-09
Applicant: 华侨大学
IPC: G06V10/774 , G06K9/62 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于PaddleDetection的混淆矩阵生成方法，包括：在PaddlePaddle平台下运用PaddleDetection目标检测开发套件训练目标检测网络；获取有标注的测试数据集，分为两个文件夹，一个文件夹放json文件，另一个放对应的图片文件，并得到真实的目标物体外接矩形框；运用infer.py图片文件进行预测，得到预测标签；得出预测修正得到的矩形检测框；将真实矩形框与预测修正得到的矩形检测框进行循环匹配，将统计得到的值记录在矩阵上；创建excle表格，将记录的矩阵填充到excle表格中，绘制出用于评价模型实际应用效果的混淆矩阵，本发明方法能通过目标检测网络预测的检测框与实际的目标检测框进行匹配，绘制在混淆矩阵上，以便对于模型各个种类的识别结果进行统计研究，优化网络模型的训练方法。
-
Patent Agency Ranking
公开(公告)号：CN113731836A
公开(公告)日：2021-12-03
申请号：CN202110891690.4
申请日：2021-08-04
Applicant: 华侨大学
Abstract: 本发明提供了一种基于深度学习的城市固体废弃物在线分选系统，包括：输送带、图像采集系统、工控机、分选执行机构；所述输送带用于散布并输送城市固体废弃物物料，由进料口向图像采集系统及分选执行机构方向输送；所述图像采集系统位于输送带上方，于分选执行机构间隔一定距离；所述分选执行机构位于输送带末端；上述的基于深度学习的城市固体废弃物在线分选系统，相对于国内普遍使用的城市固体废弃物人工分选方法，本分选系统效率高、持续工作时间长、可显著改善工人工作环境，实现分选自动化。
-
公开(公告)号：CN113486937A
公开(公告)日：2021-10-08
申请号：CN202110719485.X
申请日：2021-06-28
Applicant: 华侨大学
IPC: G06K9/62 , G06F16/51 , G06F16/583 , G06F16/587 , G06N3/04 , G06N3/08
Abstract: 一种基于卷积神经网络的固废识别数据集构建系统，包括数据集采集模块，用于采集包括彩色信息和空间信息的固废图像集，以及用于采集包括高度信息的固废图像集，并将两种类型的图像集进行同步匹配处理，获得包括彩色信息、空间信息和高度信息的固废图像集；数据集标注模块，用于生成固废识别所需数据集。本发明通过数据集采集模块以及数据集标注模块，可以快速有效地构建并扩充废识别数据集，从而有助于卷积神经网络模型的训练，进一步提升固废识别的准确率。
-
公开(公告)号：CN112573138A
公开(公告)日：2021-03-30
申请号：CN202011595692.0
申请日：2020-12-29
Applicant: 华侨大学
Abstract: 本发明公开了一种输送装置的自动纠偏调整系统，输送装置包括输送带、驱动辊筒和从动辊筒；包括分别设置于输送带的带面处的标定物，用于带动从动辊筒的第一端沿x轴方向移动的纠偏装置以及用于检测标定物的检测信息的采集装置，采集装置架设于输送带的上方，纠偏装置安装于输送带外；还包括用于对采集装置传输的检测信息进行处理以获取标定物的实时质心坐标，并将实时质心坐标中y轴坐标数据Y1和Y0进行相减计算，将差值与预设的检测阈值范围进行比对，判断输送带的偏移结果，并根据偏移结果控制从动辊筒的第一端移动的工控机。这样，无需人工进行定期检测和调正，在输送带发生偏移时能够自动进行调整，降低了人工强度，提高了生产效率。
-
公开(公告)号：CN111022688B
公开(公告)日：2025-01-17
申请号：CN201911120647.7
申请日：2019-11-15
Applicant: 华侨大学
Abstract: 本发明提供了一种自适应除尘插板阀，包括：插板、载料板和顶部盖板；插板和载料板中间设有依次排列的三重除尘结构；载料板的上下两侧设有导轨，导轨上下间隙大于载料板的厚度；载料板与顶部盖板中间设有按一定角度预紧的弹簧装置；插板与阀杆连接，阀杆末端设有带动插板平移的手轮；插板移动至关闭位置时，载料板和上侧的导轨接触，弹簧装置为松释状态，三重除尘结构没有形变；插板由关闭位置平移移动时，三重除尘结构带动载料板同向平移，弹簧装置被压缩，产生的弹性复位力带动载料板与下侧的导轨接触，三重除尘结构受压力后形变，与插板紧密接触。上述的自适应除尘插板阀，在保留原有防尘效果的前提下，解决了插板在开关过程中的卡涩问题。
-
公开(公告)号：CN113731836B
公开(公告)日：2023-05-26
申请号：CN202110891690.4
申请日：2021-08-04
Applicant: 华侨大学
Abstract: 本发明提供了一种基于深度学习的城市固体废弃物在线分选系统，包括：输送带、图像采集系统、工控机、分选执行机构；所述输送带用于散布并输送城市固体废弃物物料，由进料口向图像采集系统及分选执行机构方向输送；所述图像采集系统位于输送带上方，于分选执行机构间隔一定距离；所述分选执行机构位于输送带末端；上述的基于深度学习的城市固体废弃物在线分选系统，相对于国内普遍使用的城市固体废弃物人工分选方法，本分选系统效率高、持续工作时间长、可显著改善工人工作环境，实现分选自动化。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.022 seconds)
