“杜家鸣”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果8个，建议您升级VIP下载更多相关专利

[发明专利]一种道路异常识别方法、装置、设备及介质-CN201811459467.7有效
发明人：杨耀威;杜家鸣;孙钰淑;段立新;夏珺峥 -专利权人：国信优易数据股份有限公司
申请日： 2018-11-30 - 公布日： 2021-07-27 - 主分类号： G06K9/00 文献下载
摘要：本申请提供了一种道路异常识别方法、装置、设备及介质，应用于交通监控技术领域，所述方法包括：提取原始图像中的道路图像区域；提取所述道路图像区域中的待识别图像区域，所述待识别图像区域为去除了车辆图像区域和生物图像区域后的区域；若所述待识别图像区域中的目标图像区域不小于预设的区域阈值，则确定所述目标图像区域所对应的道路存在异常，所述目标图像区域为灰度值在预设范围内的像素点组成的图像区域。通过上述方法，减少了除道路以外的对象，以及除道路图像区域中车辆图像区域和生物图像区域对道路异常检测的干扰，减少了道路异常识别过程中的数据处理量，提高了识别准确度。
一种道路异常识别方法装置设备介质

[发明专利]一种工件分类方法、装置、设备及介质-CN201910431136.0有效
发明人：刘永康;杜家鸣;李长升;段立新;王亚松 -专利权人：国信优易数据股份有限公司
申请日： 2019-05-22 - 公布日： 2021-06-15 - 主分类号： G06K9/62 文献下载
摘要：本申请提供了一种工件分类方法、装置、设备及介质，其中，该方法包括：获取待识别工件的工件图像，并提取所述工件图像的方向梯度直方图HOG特征；基于提取的HOG特征以及预先训练好的与各工件类别分别匹配的支持向量机SVM模型，确定所述待识别工件属于每种工件类别的预测分类概率；从确定出的各个预测分类概率中筛选出满足预设条件的目标预测分类概率；将所述目标预测分类概率对应的工件类别确定为所述待识别工件的类别。采用上述方法，可以提升工件分类准确性。
一种工件分类方法装置设备介质

[发明专利]街景识别方法和系统-CN201810715716.8有效
发明人：卢洪志;王健;杜家鸣;王亚松 -专利权人：国信优易数据股份有限公司
申请日： 2018-06-29 - 公布日： 2021-04-13 - 主分类号： G06K9/00 文献下载
摘要：本申请涉及数据处理技术领域，尤其涉及一种街景识别模型的训练方法，包括：获取本轮训练使用的训练样本对；将获取的至少一个训练样本对中的每个训练样本对输入具有两个分支的神经网络的分支分别对应的入口，并使用所述神经网络分别为输入的训练样本对确定第一特征和第二特征；将所述第一特征和所述第二特征进行对比得到的对比结构，与对应训练样本对的标注值进行匹配；并根据匹配结果对所述神经网络进行本轮训练；经过对所述神经网络的多轮训练，得到街景识别模型。利用本申请方案提供的街景识别模型的训练方式，可以得到识别准确性高的街景识别模型。本申请还提供了一种街景识别模型的训练系统、一种街景识别方法、系统和电子设备。
街景识别方法系统

[发明专利]电路板缺陷检测方法及装置-CN201810701246.X有效
发明人：王健;杜家鸣;李长升;陈进宝 -专利权人：国信优易数据股份有限公司
申请日： 2018-06-29 - 公布日： 2021-02-26 - 主分类号： G06T7/00 文献下载
摘要：本申请提供了一种电路板缺陷检测模型的训练方法及装置、检测方法及装置，其中，该训练方法包括：获取本轮训练使用的至少一个训练样本对；其中，训练样本对包括两个相同和/或不同的电路板图像；将获取的至少一个训练样本对中的每个训练样本对输入具有两个分支的神经网络的分支分别对应的入口，并使用神经网络分别为输入的训练样本对确定第一特征和第二特征；将第一特征和第二特征进行比对得到的比对结果，与对应训练样本对的标注值进行匹配；并根据匹配结果对神经网络进行本轮训练；经过对神经网络的多轮训练，得到电路板缺陷检测模型。本申请通过训练出的电路板缺陷检测模型，能够自动检测电路板是否存在缺陷，检测的容错率和准确率均较高。
电路板缺陷检测方法装置

[发明专利]样本图像生成方法及装置、电路板缺陷检测方法及装置-CN201910708578.5在审
发明人： 杜家鸣;刘永康;李长升;段立新 -专利权人：国信优易数据有限公司
申请日： 2019-08-01 - 公布日： 2019-11-05 - 主分类号： G06T7/00 文献下载
摘要：本申请提供了一种样本图像生成方法及装置、电路板缺陷检测方法及装置，其中，该样本图像生成方法包括：获取原始电路板样本图像集，作为样本集；分别确定每个电路板样本图像类别中的电路板样本图像在样本集中的分布占比；针对分布占比小于第一占比阈值的每个电路板样本图像类别，对该电路板样本图像类别中的电路板样本图像进行过采样处理；和/或，针对分布占比大于第二占比阈值的每个电路板样本图像类别，对该电路板样本图像类别中的电路板样本图像进行欠采样处理；第一占比阈值小于第二占比阈值。采用上述方案，可以对多类样本图像进行平衡，这样训练得到的电路板缺陷检测模型能够学习到更为均衡的图像特征，从而提升了电路板缺陷检测的准确度。
电路板样本图像缺陷检测原始电路板多类样本图像特征准确度过采样欠采样样本集样本均衡图像平衡申请学习

[发明专利]一种确定样本图像的方法、装置、设备和存储介质-CN201910616262.3在审
发明人： 杜家鸣;刘永康;李长升;段立新;夏虎 -专利权人：国信优易数据有限公司
申请日： 2019-07-09 - 公布日： 2019-10-01 - 主分类号： G06T7/00 文献下载
摘要：本申请提供了一种确定样本图像的方法、装置、设备和存储介质，该方法包括：基于预设的分割算法，对获取的瑕疵图像进行分割处理，得到多个子图像块；根据各所述子图像块在所述瑕疵图像中的位置，以及，所述瑕疵图像中的瑕疵区域在所述瑕疵图像中的位置，确定与所述瑕疵区域相交的子图像块，作为瑕疵分割图像块；基于确定的瑕疵分割图像块中的瑕疵占比，确定与所述瑕疵图像对应的样本瑕疵图像。
瑕疵图像瑕疵存储介质分割图像样本图像子图像块瑕疵区域分割处理分割算法图像块预设相交样本申请

[发明专利]一种图像匹配方法及装置-CN201811591694.5在审
发明人： 杜家鸣;刘永康;李长升;段立新;夏虎 -专利权人：国信优易数据有限公司
申请日： 2018-12-25 - 公布日： 2019-04-26 - 主分类号： G06K9/62 文献下载
摘要：本申请提供了一种图像匹配方法，其中，该方法包括：获取待检测的目标图像，并将目标图像划分为至少一个目标区域图像；对于上述目标区域图像中的至少一个，提取该目标区域图像的方向梯度直方图HOG特征，并将该目标区域图像的HOG特征与从参考图像中提取出的HOG特征进行匹配；基于匹配的结果，确定该目标图像中是否包含有相应参考图像的图像特征。由于对目标图像进行了局部分区，以及将从目标区域图像提取到的HOG特征与从参考图像的HOG特征进行匹配，而目标图像局部的目标区域图像的HOG特征又能描述图像的边缘信息，因此，该方法不仅能适应图像空间特征和光学变化，而且通过HOG特征体现的边缘信息可以确定图像形状，从而实现了PCB内对元器件的自动检测。
目标区域图像目标图像参考图像匹配边缘信息图像匹配方向梯度直方图光学变化局部分区图像空间图像特征图像形状自动检测元器件图像检测申请

[发明专利]图像复原模型训练方法、装置及图像复原方法和装置-CN201810712546.8在审
发明人：刘永康;杜家鸣;张福刚;段立新 -专利权人：国信优易数据有限公司
申请日： 2018-06-29 - 公布日： 2018-11-30 - 主分类号： G06K9/62 文献下载
摘要：本申请提供了一种图像复原模型训练方法、装置及图像复原方法和装置，其中，图像复原模型训练方法包括：将具有像素损失区域的待处理图像输入图像生成神经网络，对所述待处理图像进行复原，得到所述待处理图像的伪造图像；将所述待处理图像的原始图像以及所述伪造图像输入图像判别神经网络，使用所述图像判别神经网络为所述原始图像和所述伪造图像进行分类；基于所述伪造图像和所述原始图像的比对结果，对所述图像生成神经网络进行本轮训练，以及基于分类结果对所述图像判别神经网络进行本轮训练；经过对所述图像生成神经网络、图像判别神经网络的多轮训练，得到图像复原模型。本申请实施例能够减小生成的伪造图像和原始图像之间的差异。
神经网络图像复原待处理图像图像判别原始图像伪造模型训练图像方法和装置图像生成比对结果分类结果输入图像图像输入像素损失多轮复原减小申请分类

1
共 8 条