“G06V10/82”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1304个，建议您升级VIP下载更多相关专利

[发明专利]一种在自然环境中快速检测小麦赤霉病穗及严重度的方法-CN202310919719.4在审
发明人：郭伟;高春凤;公政;张慧;乔红波 -专利权人：河南农业大学
申请日： 2023-07-24 - 公布日： 2023-10-27 - 主分类号： G06V10/82 文献下载
摘要：本发明公开了一种在自然环境中快速检测小麦赤霉病穗及严重度的方法，涉及图像识别技术领域，所述步骤包括如下：S1：使用改进的YOLOv5s网络检测田间小麦穗，以检测病穗和健康穗；S2：将本研究提出的改进YOLOv5s与YOLOv3‑Tiny、YOLOv4、SSD、Faster R‑CNN和YOLOv7模型进行了对比，验证了模型的有效性和优越性,可实现自然环境中小麦赤霉病(Fusarium head blight，FHB)的快速、实时、准确检测，本研究进一步统计出健康穗、患病穗、总穗，并将患病穗与总穗的比例作为病穗率，病穗率的决定系数(coefficient of determination，R2)达0.9802，按照病穗率的范围确定小麦FHB严重度，实现了较好的统计效果，结果表明，本研究提出的改进的YOLOv5s满足移动设备的实时、高效、准确要求。
一种自然环境快速检测小麦赤霉病严重方法

[发明专利]作业机械的目标检测方法、装置、设备和作业机械-CN202310953884.1在审
发明人：石向星;储海军;吕勇 -专利权人：三一重机有限公司
申请日： 2023-07-31 - 公布日： 2023-10-27 - 主分类号： G06V10/82 文献下载
摘要：本发明涉及作业机械领域，提供一种作业机械的目标检测方法、装置、电子设备和作业机械，基于训练好的第一卷积神经网络对处于工况中的作业机械周围的目标物体进行图像识别；第一卷积神经网络的获取过程为：对第二卷积神经网络进行改进，确定第一卷积神经网络；第二卷积神经网络为面向作业机械构建的目标检测模型；其中，对第二卷积神经网络进行改进，确定第一卷积神经网络，包括：对第二卷积神经网络进行压缩；在第二卷积神经网络中引入可变形卷积，得到第一卷积神经网络，如此得到的训练好的第一卷积神经网络可以提高作业机械的目标检测精度。
作业机械目标检测方法装置设备

[发明专利]一种目标检测方法、装置、设备、车辆及介质-CN202310746492.8在审
发明人：江伟 -专利权人：嬴彻星创智能科技（上海）有限公司
申请日： 2023-06-21 - 公布日： 2023-10-27 - 主分类号： G06V10/82 文献下载
摘要：本发明提供一种目标检测方法、装置、设备、车辆及介质，包括：获取待检测图像以及预先训练好的目标检测模型；利用特征提取网络对待检测图像进行特征提取，获得特征信息；利用第一卷积网络对特征信息进行卷积操作，获得第一操作结果，第一卷积网络与第二卷积网络中包括轻量化卷积层或标准卷积层；将第一操作结果分别输入多个检测头中除了中心定位检测头之外的其他各个检测头中，获得多个检测信息；利用第二卷积网络对第一操作结果进行卷积操作，获得第二操作结果；将第二操作结果输入中心点定位检测头，获得中心点定位信息；根据中心点定位信息以及多个检测信息获得目标物体的检测结果。本发明能够提升各个检测头的检测效果。
一种目标检测方法装置设备车辆介质

[发明专利]基于深度残差二维随机配置网络的轻量型图像识别方法-CN202310916579.5在审
发明人：焦文华;李瑞林;周紫玥;朱永军;骆园;于博 -专利权人：中国矿业大学
申请日： 2023-07-24 - 公布日： 2023-10-27 - 主分类号： G06V10/82 文献下载
摘要：本发明公开了基于深度残差二维随机配置网络的轻量型图像识别方法，涉及快速建模识别方法领域，包括以下步骤：S1：获取图像数据集；S2：逐层建立轻量型图像识别网络；S3：设置每层容差为建立新层的条件，并构建残差连接作为新层输入。本发明采用上述步骤，使用图像直接作为建模数据，保留图像的完整空间位置信息，引入深度残差随机配置神经网络，克服了单层网络学习能力不足和网络随着层数加深导致原始信息丢失的问题，并且在深度残差随机配置神经网络的层数和每层节点设置上，采用自适应算法设置，达到根据任务复杂度自动选择层数和每层节点数，克服了现有方法需要反复实验和先验经验来调整层数和节点数的缺点，大大提高了效率和实用性。
基于深度二维随机配置网络轻量型图像识别方法

[发明专利]基于残差注意力机制和动态特征融合的不规则异物识别方法-CN202310652278.6在审
发明人：王春霖;吴春雷;李灿伟;朱明飞;陈竹筠 -专利权人：中国石油大学（华东）
申请日： 2023-06-05 - 公布日： 2023-10-27 - 主分类号： G06V10/82 文献下载
摘要：传送带运输是我国工厂物料运输的主要方式，然而在其运输物料的过程中会出现给各种各样的问题，其中由于异物进入传送带而导致传送带损毁的事故占传送带事故总数的绝大部分。为了能够检出传送带上的异物，提出了一种新的单阶段异物检测模型。为了解决传统方法对于多尺度特征融合及表征能力不足的问题，设计了一种动态融合模块，该模块可以增强模型的多尺度特征融合及表征能力。针对传统方法中对于不规则异物图像特征提取能力不足的问题，设计了一种基于残差机制的双维度卷积模块，结合图像空间通道两个维度的信息有效提取图像的特征。除此之外，设计了一种基于重叠面积以及中心点距离的新损失函数，用于模型的优化和改进。
基于注意力机制动态特征融合不规则异物识别方法

[发明专利]一种视觉联合特征的增量学习方法、装置及存储介质-CN202310305970.1在审
发明人：高斌斌 -专利权人：腾讯科技（深圳）有限公司
申请日： 2023-03-21 - 公布日： 2023-10-27 - 主分类号： G06V10/82 文献下载
摘要：本发明公开了一种视觉联合特征的增量学习方法、装置及存储介质。该方法利用视觉语言模型来建模该视觉联合特征。模型的学习通过获取当前和采样历史样本图像和所有类别的文本提示，分别对其进行编码处理，得到对应图像的任务未知特征和所有类别提示的类别特征；基于图像任务未知特征利用视觉特征适应网络提取视觉感知特征；基于任务未知特征和任务感知特征获得当前和采样历史图像的视觉联合特征；基于该视觉联合特征与所有类别特征计算相似度确定预测分数，与对应图像的真实类别确定损失值；基于损失值，更新待视觉适应网络的参数，直至满足预设结束条件，得到更新后的视觉适应网络。视觉联合特征缓解增量学习中灾难性遗忘，提升模型持续学习能力。
一种视觉联合特征增量学习方法装置存储介质

[发明专利]图像识别方法、装置和存储介质及电子设备-CN202310239686.9在审
发明人：张博深 -专利权人：腾讯科技（深圳）有限公司
申请日： 2023-03-03 - 公布日： 2023-10-27 - 主分类号： G06V10/82 文献下载
摘要：本申请公开了一种图像识别方法、装置和存储介质及电子设备。其中，该方法包括：获取待识别的目标图像；将目标图像输入图像识别模型，其中，图像识别模型为利用多个目标样本进行一次训练和二次训练得到的、用于识别图像的神经网络模型，目标样本为干净样本或噪声样本，噪声样本为在二次训练的训练过程中利用目标损失曲线对多个目标样本进行筛选后得到的样本，噪声样本对图像识别模型的更新权重小于干净样本对图像识别模型的更新权重；获取图像识别模型输出的图像识别结果，其中，图像识别结果用于指示目标图像的图像类型，可应用在人工智能场景中，涉及机器学习等技术。本申请解决了图像识别准确性较低的技术问题。
图像识别方法装置存储介质电子设备

[发明专利]一种图像检测模型训练方法、装置、设备及存储介质-CN202211659395.7在审
发明人：聂强;徐尚;刘永;汪铖杰 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-12-22 - 公布日： 2023-10-27 - 主分类号： G06V10/82 文献下载
摘要：本申请公开了一种图像检测模型训练方法、装置、设备及存储介质。该方法包括：将第一样本图像输入参考图像检测模型，得到第一样本图像的第一初始候选框和第一目标检测框；将包括第一样本图像和第二训练样本的待训练样本图像输入待训练图像检测模型，得到待训练样本图像的第二初始候选框和第二目标检测框；基于第一初始候选、第一目标检测框、第一样本图像的第二初始候选框和第二目标检测框，确定知识蒸馏损失信息；基于第二样本图像的标注检测框和第二目标检测框，确定标注损失信息；基于知识蒸馏损失信息和标注损失信息，训练待训练图像检测模型。利用本申请的方案可以实现待训练图像检测模型在保留旧知识和学习新知识之间达到平衡的训练效果。
一种图像检测模型训练方法装置设备存储介质

[发明专利]图像识别方法、装置和存储介质及电子设备-CN202310238810.X在审
发明人：张博深 -专利权人：腾讯科技（深圳）有限公司
申请日： 2023-03-03 - 公布日： 2023-10-27 - 主分类号： G06V10/82 文献下载
摘要：本申请公开了一种图像识别方法、装置和存储介质及电子设备。其中，该方法包括：获取待识别的目标图像；将目标图像输入图像识别模型，其中，图像识别模型为利用多个原始样本和多个目标样本进行训练得到的、用于识别图像主体的神经网络模型，目标样本为对第一样本对应的图像主体信息和第二样本进行结合后得到的噪声样本，多个原始样本包括第一样本和第二样本，图像主体信息为第一样本中的图像主体对应的信息；获取图像识别模型输出的图像识别结果，其中，图像识别结果用于指示目标图像中的图像主体属于的主体类型，可应用在云技术场景。本申请解决了图像识别准确性较低的技术问题。
图像识别方法装置存储介质电子设备

[发明专利]图像识别模型的训练方法、图像识别方法及相关设备-CN202311041565.X在审
发明人：苑海川;杨亚刚;谭建斌;刘璐;张钦格 -专利权人：中国人民财产保险股份有限公司
申请日： 2023-08-17 - 公布日： 2023-10-27 - 主分类号： G06V10/82 文献下载
摘要：本申请公开一种图像识别模型的训练方法、图像识别方法及相关设备，属于图像识别技术领域。该方法包括：获取图像数据样本集，使用图像数据样本集对对比学习模型进行迭代训练，得到图像识别模型；对图像数据样本集中图像数据样本进行数据增强处理，得到正样本图像；确定图像数据样本对应的样本特征向量与正样本图像对应的正样本特征向量之间的第一距离，以及与负样本图像对应的负样本特征向量之间的第二距离；根据第一距离和第二距离，确定对比学习模型的损失函数。这样，在保证图像识别精度的前提下，仅采用少量的标注样本进行模型训练，避免人工标注数据准确度不高的问题，提高模型的训练效果。
图像识别模型训练方法相关设备

[发明专利]一种基于YOLOv5和ResNet50神经网络的化工废渣动态视觉识别方法-CN202310989543.X在审
发明人：臧建东;沈骞;胡婷;吴金花;徐寅 -专利权人：淮阴工学院
申请日： 2023-08-08 - 公布日： 2023-10-27 - 主分类号： G06V10/82 文献下载
摘要：本发明公开了一种基于YOLOv5和ResNet50神经网络的化工废渣动态视觉识别方法，包括实时录制化工设备产物的视频；构建YOLOv5神经网络模型，并利用化工废渣数据集对该模型进行训练，获得化工废渣检测模型；利用化工废渣检测模型检测录制的视频，若该模型检测出视频出现的产物属于化工废渣，则在视频外接矩形框，裁剪出该产物的图像；构建ResNet50神经网络基础模型，并对该模型进行优化和改进，同时利用化工废渣数据集对该模型进行训练，获得化工废渣图像识别分类模型；利化工废渣图像识别分类模型对裁剪出的图像中出现的产物进行识别和分类。本发明解决了现有技术中使用卷积神经网络对化工废渣视频中显示的废渣进行识别分类时，准确率较低的问题。
一种基于 yolov5 resnet50 神经网络化工废渣动态视觉识别方法

[发明专利]一种红外与可见光特征融合的弱小目标检测方法及装置-CN202310813236.6在审
发明人：李宏菲;臧义华;杨晓梅;李奕洁;杨馨雨;马兴民;李雪扬;陈莉莉;凡叔军 -专利权人：中国电子科技集团公司第十五研究所
申请日： 2023-07-05 - 公布日： 2023-10-27 - 主分类号： G06V10/82 文献下载
摘要：本发明提出了一种红外与可见光特征融合的弱小目标检测方法及装置，方法包括：分别对红外图像以及可见光图像进行预处理，红外图像以及可见光图像中包括至少一检测目标；利用配置的双流主干网络，分别提取红外图像以及可见光图像的图像特征并进行特征融合，以得到多尺度图像特征；基于多尺度图像特征，利用配置的定位分类模型，获取检测目标的位置信息与分类结果。本实施例提供的方法，通过双流主干网络模型对红外光与可见光两种模态数据实现特征提取，并通过跨模态的多层级间特征融合实现两种模态特征的互补，使用基于深度学习的网络实现对弱小目标的定位与分类，助力弱小目标检测精度的提升。
一种红外可见光特征融合弱小目标检测方法装置

[发明专利]一种跨尺度的目标检测方法及系统-CN202310708941.X在审
发明人：吴晓;秦溧矫;李威;赵霄;向星军;夏伟峰 -专利权人：四川智慧高速科技有限公司;成都交大大数据科技有限公司
申请日： 2023-06-15 - 公布日： 2023-10-27 - 主分类号： G06V10/82 文献下载
摘要：本发明涉及计算机视觉技术领域，公开了一种跨尺度的目标检测方法及系统，该方法，构建目标检测模型，目标检测模型以YOLOv5s检测模型为基准模型，通过自适应并行空间卷积模块、卷积与自注意力混合模块对目标特征进行提取，通过卷积与自注意力混合模块对全局特征进行学习，通过基于静动态上下文的特征融合模块对骨干网络的不同尺度的特征图进行融合。本发明解决了现有技术存在的跨尺度检测能力低、检测精度低等问题。
一种尺度目标检测方法系统

[发明专利]一种多尺度遥感图像目标检测方法及系统-CN202110507602.6有效
发明人：马文萍;李娜;朱浩;李腾武;焦李成;侯彪;武越 -专利权人：西安电子科技大学
申请日： 2021-05-10 - 公布日： 2023-10-27 - 主分类号： G06V10/82 文献下载
摘要：本发明公开了一种多尺度遥感图像目标检测方法及系统，从遥感图像数据集中读取遥感图像，对图像进行预处理，构建训练数据集和测试数据集。构造基于冗余信息消除有效信息传递的多尺度遥感图形目标检测模型，用训练数据集对检测模型进行训练，利用训练好的目标检测模型对测试数据集进行分类；本发明引入浅层特征图中冗余信息消除策略、有效细节信息向深层特征图传递策略以及前景背景分离策略，提高了目标检测模型对小目标，密集分布目标的检测精度。可用于遥感图像目标检测任务。
一种尺度遥感图像目标检测方法系统

[发明专利]语义分割网络的训练方法、装置、设备及存储介质-CN202111064182.5有效
发明人：郑喜民;陈振宏;舒畅;陈又新 -专利权人：平安科技（深圳）有限公司
申请日： 2021-09-10 - 公布日： 2023-10-27 - 主分类号： G06V10/82 文献下载
摘要：本申请涉及人工智能技术和智慧城市领域，具体公开了一种语义分割网络的训练方法、装置、设备及存储介质，所述方法包括：获取样本图像和所述样本图像的兴趣点数据；将所述兴趣点数据与所述样本图像进行对齐，得到对齐后的样本图像；确定所述样本图像中的种子点；根据所述对齐后的样本图像和所述种子点生成种子线索；将所述种子线索和所述样本图像输入卷积网络中，并利用种子损失函数对所述卷积网络进行训练，将训练完成的卷积网络作为语义分割网络。能够提高语义分割网络的识别准确率。
语义分割网络训练方法装置设备存储介质

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 1304 条