-
公开(公告)号：CN113989541B
公开(公告)日：2024-08-20
申请号：CN202111112584.8
申请日：2021-09-23
Applicant: 神思电子技术股份有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开一种基于特征聚合的着装分类方法及系统，涉及图像处理技术领域，包括：对图像训练集基于预先构建的分类模型进行多层特征提取；对每层提取的特征进行通道维度变换，将特征维度压缩至与图像训练集中的类别数量一致，得到压缩后的特征；对每层压缩后的特征进行余弦变换，将特征映射到角度空间并对特征进行聚合，经特征聚合后构建损失函数；根据损失函数对分类模型进行训练，对待识别着装图像根据训练后的分类模型着装分类结果。通过加权融合系数的方式，充分利用浅层的颜色信息和深层的轮廓信息，同时增加特征聚合操作将特征信息映射到角度空间，得到最大化的分类界限，增加着装匹配过程的相似度差距。
-
公开(公告)号：CN117372935B
公开(公告)日：2024-02-20
申请号：CN202311666299.X
申请日：2023-12-07
Applicant: 神思电子技术股份有限公司
Abstract: 本申请提供了一种视频目标检测方法、设备及介质，属于图像处理技术领域。该方法将预设张量的训练视频帧输入视频目标检测模型的主干网络，以确定主干网络的各指定特征层输出后分别对应的各初始特征数据。通过预设CS处理模块，对各初始特征数据进行二值化处理。基于初始特征数据及二值化处理后的各初始特征数据、预设目标聚焦检测模块，确定相应的二值化通道权重。基于二值化通道权重及各初始特征数据、预设目标过滤解码器，对相应的训练视频帧进行解码操作，以确定训练视频帧对应的解码特征集合。基于解码特征集合及二值化通道权重，确定视频目标检测模型对应的损失函数值，以根据损失函数值，对视频目标检测模型进行训练。
-
公开(公告)号：CN117372819B
公开(公告)日：2024-02-20
申请号：CN202311666303.2
申请日：2023-12-07
Applicant: 神思电子技术股份有限公司
IPC: G06V10/774 , G06V10/764 , G06V10/22
Abstract: 本申请提供了一种用于有限模型空间的目标检测增量学习方法、设备及介质，属于图像处理及人工智能技术领域。该方法将待识别图像分别输入预先训练的教师模型及预先训练的增量目标检测模型；基于教师模型的第一输出结果及预设归一化指数函数，确定第一输出结果对应各分类类别的教师分类标签值。基于增量目标检测模型的第二输出结果及预设训练标签，确定第二输出结果对应的标签损失值。基于与第一输出结果对应的置信度、各教师分类标签值及第一目标边界框位置信息，筛选得到教师标签信息。基于教师标签信息及第二输出结果，确定教师模型损失值。根据标签损失值及教师模型损失值，确定目标检测增量损失，以对增量目标检测模型训练。
-
公开(公告)号：CN111753705B
公开(公告)日：2023-11-03
申请号：CN202010564310.1
申请日：2020-06-19
Applicant: 神思电子技术股份有限公司
IPC: G06V40/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于视频分析的智慧工地安全作业的检测方法，采用目标徘徊边缘检测原理，结合深度学习、人形特点等因素实现检测预警，对于施工人员的各种施工姿态都能得到很好的检测效果。本方法集人形、安全穿戴装置检测于一体，全面考虑工地施工场景的安全隐患类型，同时增加智能补光装置，优化了光线差条件下的监控性能，并将分析检测主控单元进行嵌入式高度集成，优化监控性能，简化部署环节，具有实用性强、应用范围广、成本低、可靠性高、部署应用简单、复用性强等优势，适用于各种监控场景，对各种施工场景的安全作业的保障提供了一个简单、快速、高效的解决方案，具有很大的实用价值。
-
公开(公告)号：CN116363745A
公开(公告)日：2023-06-30
申请号：CN202211714826.5
申请日：2022-12-30
Applicant: 神思电子技术股份有限公司
IPC: G06V40/20 , G06V10/82 , G06V10/764 , G06V10/774 , G06V20/40 , G06N3/048 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于计算机视觉的多标签行人异常行为识别方法，涉及计算机视觉应用技术领域。本方法通过获取监控视频中的行人行为样本视频数据；对获取的行人行为样本视频数据进行预处理，获得最终数据集；将最终数据集按比例划分为训练集样本和测试集样本搭建BDNet双分支卷积神经网络分类模型，对行人异常行为进行分类识别；使用训练完毕的BDNet双分支卷积神经网络分类模型识别行人动作。本方法使用计算机视觉算法自动提取人体整体特征和人体面部细节特征，经过多元线性回归拟合行人的多属性动作类型，通过非接触、实时的方式实现准确地预测行人的各种违规行为并提供实时预警，在行人安全检测中发挥着重要作用。
-
Patent Agency Ranking
公开(公告)号：CN116152801A
公开(公告)日：2023-05-23
申请号：CN202211533343.5
申请日：2022-11-30
Applicant: 神思电子技术股份有限公司
IPC: G06V20/68 , G06V10/82 , G06V10/762 , G06V40/16 , G06V10/54 , G06V10/25 , G06V10/56 , G06V10/44 , G06V10/764 , G06V10/80
Abstract: 本发明公开一种基于深度学习的餐饮浪费识别方法，本方法提出了一种先验框的优化方法并且通过机器学习和深度学习结合的方式提高分类模型精度解决了实际过程中菜汤和剩菜剩饭误报问题。先验框的优化方法通过在自己数据集上聚类，发挥模型多尺度预测优势，从而提高了模型对目标的检测精度。使用盘子检测模型和浪费检测模型，检测精度满足的前提下，提高了模型的推理速度，可以移植到边缘端服务器。使用该方法检测到倒餐人员是否存有浪费现象，可以时时刻刻提醒人们珍惜粮食，切勿浪费。
-
公开(公告)号：CN116129109A
公开(公告)日：2023-05-16
申请号：CN202211520828.0
申请日：2022-11-30
Applicant: 神思电子技术股份有限公司
IPC: G06V10/26 , G06V10/80 , G06V10/54 , G06V10/82 , G06V10/764 , G06N3/0464
Abstract: 本发明公开了一种仪表图像的分割优化方法、设备及介质，属于图像处理技术领域，用于解决现有的卷积神经网络对图像分割预测时，图像的边缘纹理信息容易被弱化，难以很好地保留浅层边缘纹理特征的技术问题。方法包括：将预获取的仪表图像数据集进行归一化处理；根据预设卷积神经网络中的卷积块，对归一化后的初始输入图像进行特征提取，得到第零特征图；根据若干编码层，对第零特征图进行图像特征块的切割，得到第四特征图；对第四特征图进行最大上采样处理，得到第四采样特征图；将第四采样特征图与第三特征图进行特征融合，得到第零采样特征图；并进行特征预测，得到预测特征图；根据预设二值交叉熵损失函数，对卷积神经网络进行优化训练。
-
公开(公告)号：CN115690419A
公开(公告)日：2023-02-03
申请号：CN202211346801.4
申请日：2022-10-31
Applicant: 神思电子技术股份有限公司
Abstract: 本发明公开了一种基于图像分割的仪表读数识别方法及系统，包括：获取待识别的仪表图像，利用训练好的语义分割模型分别提取出仪表图像中的指针区域、表盘中心区域以及设定三角区域的掩码信息；其中，所述设定的三角区域为表盘首尾刻度值之间与表盘中心区域构成的三角区域；基于各区域的掩码信息将指针区域、表盘中心区域与设定三角区域分离成三个独立通道，对仪表图像中的仪表位置进行旋转校正；对设定三角区域进行三角形拟合，在表盘中心区域、指针区域和拟合后的设定三角区域分别选取关键点，基于关键点计算仪表的读数。本发明的分割方法在标注效率上更高，并且标注的目标区域更少，更大，从而导致算法在整体的性能均有提升。
-
公开(公告)号：CN114330618A
公开(公告)日：2022-04-12
申请号：CN202111663474.0
申请日：2021-12-30
Applicant: 神思电子技术股份有限公司
Abstract: 本申请公开了一种基于伪标签的二分类标签数据优化方法、设备及介质，用于解决如下技术问题：如何基于伪标签技术，有效识别二分类标签数据中的误标签数据。方法包括：将待优化二分类标签数据集划分为预设数量个优化集；基于预设数量个优化集，确定预设数量个训练集，并对待训练模型进行训练，以获得预设数量个初始模型；通过预设数量个初始模型，分别对对应的相应优化集进行验证，以确定相应优化集中各二分类标签数据的类型预测得分；其中，相应优化集为训练得到该初始模型时没有采用的优化集；基于类型预测得分，通过预设的评估规则，确定对应的二分类标签数据是否为误标签数据。本申请通过上述方法可以有效的识别二分类标签数据中的误标签数据。
-
公开(公告)号：CN113158725A
公开(公告)日：2021-07-23
申请号：CN202011588808.8
申请日：2020-12-29
Applicant: 神思电子技术股份有限公司
Abstract: 本发明提供了一种综合性工程车辆施工动作判断方法，其硬件设施包括位于道路旁及各个场地的监控摄像头，全部监控摄像头均通过网络连接后台服务器，判断方法包括以下步骤：1)、目标获取：将监控摄像头所拍摄的画面输入后台服务器，启动检测算法，开始输出画面上的目标；2)、目标追踪：此时监控摄像头的视角固定不变，启动追踪算法对画面中移动和/或静止的目标进行追踪，根据追踪结果判断目标是否发生位移，并将同一目标的检测结果归类；3)、序列标准化：目标检测的结果图片大小尺寸不唯一，将图片尺寸标准化为设定图像，设定图像为224×224方形图像；4)、工程机械的施工动作分析；5)、报警触发。本发明增加施工动作分析算法，减少误报几率。
-
-
-
-
-
-
-
-
-
Search Results
83
records
(took 0.115 seconds)
