“G06K9/42”专利分类搜索_专利查询_文献下载_出售_求购_买卖_交易

钻瓜专利网为您找到相关结果38个，建议您升级VIP下载更多相关专利

[发明专利]一种图像处理方法、装置、设备及存储介质-CN202110661548.0在审
发明人：折栋宇;易高雄;徐昆;龚桂良 -专利权人：腾讯科技（深圳）有限公司;清华大学
申请日： 2021-06-15 - 公布日： 2021-12-21 - 主分类号： G06K9/42 文献下载
摘要：本申请公开一种图像处理方法、装置、设备及存储介质，涉及云技术、区块链等领域，对待评估图像进行缩放处理，并根据缩放处理后的待评估图像确定第一特征图。将第一特征图和获取到的尺寸信息输入目标图卷积网络，通过目标图卷积网络的第一层布局感知图卷积模块得到欧式空间中的第一邻接矩阵，根据第一邻接矩阵进行第一层布局感知的图卷积，得到第二特征图，以根据第二特征图进行预测，得到待评估图像的评估结果。该方法保留了原始尺寸信息，即保留了待评估图像的构图信息，避免由于尺寸的改变影响图像的美感程度，保证了图像美学评估的准确性。该方法实现更高效的单次通过网络进行预测，大大减轻计算负担，更适用于实时图像评估。
一种图像处理方法装置设备存储介质

[发明专利]一种基于目标检测的沥青路面损坏识别方法-CN202111068879.X在审
发明人：石光辉;武海波;陶国权;王绍兵;刘明;徐同文;李世国;陈涛;马登飞;董博;万海峰 -专利权人：中冶路桥建设有限公司
申请日： 2021-09-13 - 公布日： 2021-12-07 - 主分类号： G06K9/42 文献下载
摘要：本发明公开了一种基于目标检测的沥青路面损坏识别方法；通过基于transformer的神经网络架构，提出了AP‑DETR沥青路面损坏检测的模型。通过构造可变形卷积，并使用偏移量以及从目标任务学习偏移量，从而达到增加空间采样位置的目的，进而对几何变形有更好的特征捕捉；采用一种卷积投影注意力，能在本地空间中获取额外的模型注意力，对于本发明的沥青路面损坏：如裂缝、坑槽、剥落等，能更好地捕捉路面损坏整体的特征，更精准地进行分类；构造了本地增强前向供应模块LeFF，能够将CNN的优点如提取低维的特征，增强本地化和transformer的优点如关联长范围的依赖性结合在一起，达到更好的建模效果。
一种基于目标检测沥青路面损坏识别方法

[发明专利]目标检测方法及装置、电子设备和存储介质-CN202110895232.8有效
发明人：姚寒星;娄身强;高君宇 -专利权人：北京亮亮视野科技有限公司
申请日： 2021-08-05 - 公布日： 2021-11-02 - 主分类号： G06K9/42 文献下载
摘要：本发明提供一种目标检测方法及装置、电子设备和存储介质。目标标检测方法通过将待检测图像分别按照第一缩放系数和第二缩放系数进行缩放，得到对应的第一缩放图像和第二缩放图像。随后将所述第一缩放图像和第二缩放图像输入至目标检测模型的编码器进行编码处理，得到输出的编码向量。最后将所述编码向量输入至所述目标检测模型的解码器进行解码处理得到输出的解码向量，通过构建完整的编码—解码的端到端的目标检测模型，避免了CNN固有的平移同变性、局部性等归纳偏置的影响，有利于提升目标检测的效果。
目标检测方法装置电子设备存储介质

[发明专利]图像处理方法、设备、装置以及计算机可读介质-CN201910285254.5有效
发明人：杨静林;谷玉;唐小军;张丽杰 -专利权人：京东方科技集团股份有限公司
申请日： 2019-04-10 - 公布日： 2021-10-15 - 主分类号： G06K9/42 文献下载
摘要：公开了一种图像处理方法、设备、装置以及计算机可读介质。所述图像处理方法包括：根据输入图像确定多个输入图像特征，其中所述多个输入图像特征的尺寸互不相同；对于所述多个输入图像特征中的每个输入图像特征，以该输入图像特征为基准输入图像特征，从所述多个输入图像特征中选择其尺寸小于所述基准输入图像特征的尺寸的第一输入图像特征和其尺寸大于所述基准输入图像特征的尺寸的第二输入图像特征；根据所述基准输入图像特征、所述第一输入图像特征和第二输入图像特征确定与该基准输入图像特征相关联的候选区域；以及根据分别与所述多个输入图像特征相关联的多个候选区域执行目标检测。
图像处理方法设备装置以及计算机可读介质

[发明专利]图像处理方法和装置、电子设备、计算机可读介质-CN202110662853.1在审
发明人：刘华丽;黄琦;沈惠玲;张沛 -专利权人：北京百度网讯科技有限公司
申请日： 2021-06-15 - 公布日： 2021-08-27 - 主分类号： G06K9/42 文献下载
摘要：本公开提供了一种图像处理方法和装置，涉及图像处理、深度学习等技术领域。具体实现方案为：实时获取待处理图像；对待处理图像进行特征点抽取，得到待处理图像的待测特征点集，待测特征点集包括至少一个待测特征点；将待测特征点集与预设的目标图像的目标特征点集进行匹配，得到至少一个匹配点对；基于至少一个匹配点对，对待处理图像进行区域映射，得到待处理图像的映射区域；基于映射区域、目标图像，对待处理图像进行检测，得到检测结果。该实施方式提高了图像检测的准确性。
图像处理方法装置电子设备计算机可读介质

[发明专利]一种贴片电阻上的印刷字符识别方法、装置、终端及介质-CN202110644682.X在审
发明人：高书俊;于嘉超 -专利权人：高书俊
申请日： 2021-06-09 - 公布日： 2021-08-20 - 主分类号： G06K9/42 文献下载
摘要：本发明公开一种贴片电阻上的印刷字符识别方法，包括：获取贴片电阻的输入图像；截取图像的有效区域；将图像有效区域进行灰度化处理，并进行对比度拉伸处理；对图像根据预设的二值化阈值进行二值化处理，得到印刷字符被黑色区域包围的矩形区域的位置坐标信息；将印刷字符进行图像分割，得到若干个单个印刷字符且统一重置预设尺寸大小的图像；将单个印刷字符的图像输入到预先训练完成的人工神经网络印刷字符识别模型中进行检测，从而自动识别所述贴片电阻上的印刷字符；通过对单个印刷字符的识别来得到对整个印刷字符的识别结果，降低了图像背景的复杂度，同时降低了字符识别的难度，提升了印刷字符识别的精准度与效率。
一种电阻印刷字符识别方法装置终端介质

[发明专利]一种文本行图片的识别方法、装置和设备-CN202110559038.2在审
发明人：蔡悦;卢永晨;黄灿;王长虎 -专利权人：北京有竹居网络技术有限公司
申请日： 2021-05-21 - 公布日： 2021-08-13 - 主分类号： G06K9/42 文献下载
摘要：本申请实施例公开了一种文本行图片的识别方法、装置和设备，先将多个文本行图片缩放到预设的高度，然后以宽度最大的文本行图片的宽度为基准对其他文本行图片进行宽度填充，得到宽度和高度均相同的文本行图片，使得处理后所得的多个尺寸相同的文本行图片符合了Transformer模型的处理要求，克服了目前Transformer模型仅支持对固定尺寸的图片进行识别，导致部分文本行图片的分辨率被严重压缩造成识别效果不佳的问题，实现了合理对待识别图片的处理，从而使得Transformer模型能够准确的识别图片中的文字信息，提高基于Transformer模型的OCR技术的识别效果。
一种文本图片识别方法装置设备

[发明专利]一种图片判别方法及装置-CN202110406250.5在审
发明人：黄志艺;严蕤;杨辉;桑亮;梁柱锦;郭怡适 -专利权人：广州图匠数据科技有限公司
申请日： 2021-04-15 - 公布日： 2021-07-13 - 主分类号： G06K9/42 文献下载
摘要：本发明公开了一种图片判别方法及装置，所述方法包括：先获取一张待判别图片，并按照预设尺寸，将所述待判别图片切分为尺寸相同的N张待分类图片。然后分别对所述N张待分类图片进行识别，获得各所述待分类图片的图片类别；其中，所述图片类别包括：翻拍小图和模糊小图，最后根据各所述待分类图片的图片类别，统计所述N张待分类图片的类别数量，并根据所述类别数量，确定所述待判别图片的图片类型；其中，所述图片类型包括：翻拍大图、清晰大图和模糊大图。采用本发明实施例能提高判别图片类型的准确性。
一种图片判别方法装置

[发明专利]一种基于目标边界定位的红外目标检测方法-CN202110168963.2在审
发明人：董恩增;肖泽灏;佟吉钢;于航;张祖锋 -专利权人：天津理工大学
申请日： 2021-02-07 - 公布日： 2021-05-28 - 主分类号： G06K9/42 文献下载
摘要：本发明属于机器视觉技术领域，更具体地，涉及一种基于目标边界定位的红外目标检测方法。在算法中首先利用自适应指数变换来增强红外图像的对比度，强化图像语义细节；采用改进后的复合Resnet‑50提取图像中不同尺度下的特征图谱；采用双向特征金字塔进行特征融合，加强模型对弱小目标的检测能力；采用Focal Loss作为模型的分类损失函数，采用基于目标边界定位的损失函数作为模型的回归损失函数，对检测模型进行训练；本发明实现了对红外目标的有效检测。
一种基于目标边界定位红外检测方法

[发明专利]一种基于生成对抗网络的复合降质图像高质量重建方法-CN201811575838.8有效
发明人：李嘉锋;王珂;卓力;张菁;马春杰;贾童谣 -专利权人：北京工业大学
申请日： 2018-12-22 - 公布日： 2021-05-14 - 主分类号： G06K9/42 文献下载
摘要：本发明公开了一种基于生成对抗网络的复合降质图像高质量重建方法，针对同时含有雾霾，系统噪声，低照度和压缩失真等多种降质问题的低质量图像，本发明首先从针对复合因素降质图像重建的角度出发，建立了一种基于生成对抗网络的复合降质图像高质量重建方法，可完成针对受雾霾，低照度，压缩，系统噪声，光学模糊等因素组合降质图像的重建；其次，本发明采用非对称的生成网络，大大减少了模型的参数量，使模型易于训练和使用；再者，采用端到端的思想，简化了重建系统的架构，省去了预处理与后处理；最后，生成网络全部由卷积层组成，可输入任意尺寸复合降质图像进行重建。
一种基于生成对抗网络复合图像质量重建方法

[发明专利]卷积神经网络模型的通道调整方法、装置和设备-CN202110167609.8在审
发明人：张洪光 -专利权人：普联技术有限公司
申请日： 2021-02-07 - 公布日： 2021-05-07 - 主分类号： G06K9/42 文献下载
摘要：本发明公开了一种卷积神经网络模型的通道转换方法，包括：当输入图片的当前格式与卷积神经网络模型的输入格式不同时，提取卷积神经网络模型中第一层卷积层的权重；对所述输入图片进行尺寸调整，得到所述输入图片的目标格式；根据所述输入图片的目标格式对所述卷积层的权重进行调整，得到所述卷积层的目标权重；将所述目标权重赋值给所述卷积层。本发明还公开了一种卷积神经网络模型的通道调整装置、设备和一种计算机可读存储介质。采用本发明实施例，能支持不同框架模型中通道的调整，提高了模型的处理效率。
卷积神经网络模型通道调整方法装置设备

[发明专利]一种基于MDFC-ResNet神经网络的农作物病害细粒度识别方法-CN202011582064.9在审
发明人：胡伟健;李灵芳;樊杰;李宝山;张万锴 -专利权人：内蒙古科技大学;内蒙古智牧溯源技术开发有限公司
申请日： 2020-12-28 - 公布日： 2021-04-23 - 主分类号： G06K9/42 文献下载
摘要：一种基于MDFC‑ResNet神经网络的农作物病害细粒度识别方法，属于人工智能技术领域，为了解决了传统的农作物病害识别方法中存在细粒度病害识别准确率低、普适性差等问题。对采集的农作物图片进行预处理以适于模型训练；优化传统的ResNet‑50神经网络得到改进的MDFC‑ResNet神经网络：对ResNet‑50神经网络的初始化器与优化器进行优化，为模型选出最优的初始化器与优化器，让模型更加适应数据集；采用训练好的改进的MDFC‑ResNet神经网络对多种农作物病害进行细粒度识别。本发明主要用于农作物病害进行细粒度识别。
一种基于 mdfc resnet 神经网络农作物病害细粒度识别方法

[发明专利]池化方法、装置、设备和存储介质-CN202110061141.4在审
发明人：冯开革;李涵;戚海涛;吴欣洋;丁瑞强 -专利权人：北京灵汐科技有限公司
申请日： 2021-01-18 - 公布日： 2021-04-20 - 主分类号： G06K9/42 文献下载
摘要：本发明提供了一种池化方法、装置、设备和存储介质，所述方法包括：获取待池化图像的初始尺寸和目标输出尺寸；根据初始尺寸和目标输出尺寸，确定池化参数；根据初始尺寸和目标输出尺寸，或者，根据池化参数对待池化图像进行重排，得到重排图像，使得重排图像满足池化的条件；根据池化参数对重排图形进行池化，得到具有目标输出尺寸的目标图像。本发明实施例中，根据待池化图像的初始尺寸和目标输出尺寸，确定池化参数；在待池化图像为不同尺寸图像的情况下，无需用户再次设置待池化图像的池化参数，减少了用户的操作，提高了图像池化的效率。
方法装置设备存储介质

[发明专利]一种图像文字识别的方法及装置-CN202011432247.2在审
发明人：王晶 -专利权人：安徽吉秒科技有限公司
申请日： 2020-12-09 - 公布日： 2021-02-26 - 主分类号： G06K9/42 文献下载
摘要：本发明公开了一种图像文字识别的方法及装置，包括图像文字识别的方法和图像文字识别的装置，该方法中，能够检测到图像中的文字，并识别出文字的内容，然后将其以文本的方式输出，本发明相对现有技术能够更快的识别图像中的文字内容，具有很高的识别准确度。而且本发明能够支持文字方向检测，对倾斜或倒置的图像自动进行校正，增强了文字识别的适用性。图像文字识别的装置，该装置能够检测到图像中的文字，并识别出文字的内容，然后将其以文本的方式输出，而且具有很高的识别速度和识别准确度。本装置能够支持文字方向检测，对倾斜或倒置的图像自动进行校正，增强了文字识别的适用性。
一种图像文字识别方法装置

[发明专利]一种智能筛选全透明图片的方法-CN202010974055.8在审
发明人：欧阳铜埔;伦永健 -专利权人：广州忆游科技有限公司
申请日： 2020-09-16 - 公布日： 2021-02-02 - 主分类号： G06K9/42 文献下载
摘要：本申请公开了一种智能筛选全透明图片的方法，所述智能筛选全透明图片的方法包括如下步骤：根据图片的大小将图片裁剪为相同尺寸的小图片；对同等尺寸的小图片进行编号，并依次对小图片进行透明判别；建立两个文件夹，文件夹名称为透明图片文件夹和项目资源文件夹，若小图片的透明判别为透明图片，将图片保存在名称为透明图片的文件夹中，若小图片的透明判别为非透明图片，将图片保存在名称为项目资源的文件夹中；将所有图片全部完成透明判别并分好类后，对两个文件夹中的图片分别进行依次判别，若在透明图片文件夹中检查到非透明图片，则将图片保存在项目资源文件夹中；根据图片上编号随机抽取图片进行检测，检查图片的透明性是否判别错误。
一种智能筛选透明图片方法

1
2
3
下一页»
尾页
共 38 条