“曾淦雄”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10个，建议您升级VIP下载更多相关专利

[发明专利]一种目标检测方法、装置、设备及存储介质-CN202310557937.8在审
发明人： 曾淦雄;林晓帆 -专利权人：影石创新科技股份有限公司
申请日： 2023-05-16 - 公布日： 2023-08-29 - 主分类号： G06V10/80 文献下载
摘要：本申请实施例提供的一种目标检测方法、装置、设备及存储介质，所述方法包括获取目标图像；通过训练后的目标检测模型对所述目标图像进行目标检测，获得检测结果；其中，目标检测模型包括至少两层特征提取网络，至少两层特征提取网络均由基础卷积模块构成；基础卷积模块用于对输入的向量进行多尺寸的特征提取，并对提取的特征进行特征融合得到特征信息；基础卷积模块包括卷积层及特征聚合层；卷积层用于对输入的向量进行多尺寸的特征提取；特征聚合层用于对所述卷积层提取的多尺寸特征进行特征聚合，得到特征信息。具有基础卷积模块的目标检测模块在保证检测精度的同时可以保证检测速度，适用于低算力设备。
一种目标检测方法装置设备存储介质

[发明专利]图像特征提取方法、装置、计算机设备和存储介质-CN202211618600.5在审
发明人： 曾淦雄;林晓帆 -专利权人：影石创新科技股份有限公司
申请日： 2022-12-15 - 公布日： 2023-05-02 - 主分类号： G06V10/40 文献下载
摘要：本申请涉及一种图像特征提取方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：从图像中提取所述图像在不同尺度下的第一特征、第二特征和第三特征；对所述第一特征和所述第二特征进行融合操作，得到第一注意力特征；所述融合操作包括通道注意力和空间注意力的特征融合操作；对所述第一注意力特征与所述第一特征进行所述融合操作，得到第一融合特征；融合所述第一融合特征与所述第一注意力特征，得到所述图像的第一目标融合特征。采用本方法能够提高特征提取准确度。
图像特征提取方法装置计算机设备存储介质

[发明专利]一种全景图像的生成方法、装置、电子设备及存储介质-CN202210882890.8在审
发明人： 曾淦雄;林晓帆 -专利权人：影石创新科技股份有限公司
申请日： 2022-07-26 - 公布日： 2022-10-11 - 主分类号： G06T5/50 文献下载
摘要：本申请实施例提出了一种全景图像的生成方法、装置、电子设备及存储介质，能够提高全景图像的标注效率。其中，方法包括：获取第一全景图像和N张平面图像；其中，平面图像中包含至少一个目标对象，且至少一个目标对象均具有对应的类别信息和位置信息，N≥1；将第一全景图像作为背景，将N张平面图像作为前景，对第一全景图像与所述N张平面图像进行融合处理，获得第二全景图像。
一种全景图像生成方法装置电子设备存储介质

[发明专利]一种面向全场景的实时性车牌检测方法及系统-CN202010999847.0有效
发明人：柯逍;曾淦雄;林炳辉 -专利权人：福州大学
申请日： 2020-09-22 - 公布日： 2022-10-04 - 主分类号： G06V10/22 文献下载
摘要：本发明涉及一种面向全场景的实时性车牌检测方法及系统，包括步骤：生成用于网络训练和测试的训练集和测试集；修改YOLOv3‑tiny网络结构，生成MD‑YOLO模型；采用训练集训练构建的MD‑YOLO模型，并基于mAP选取最优的权重文件；将待检测车牌作为训练好的MD‑YOLO模型的输入，输出带车牌检测框的结果返回。本发明能够完成任意场景下的直接车牌区域提取。
一种面向场景实时车牌检测方法系统

[发明专利]基于Anchor-Free的实时实例分割方法-CN202010973846.9有效
发明人：柯逍;林心茹;曾淦雄 -专利权人：福州大学
申请日： 2020-09-16 - 公布日： 2022-08-09 - 主分类号： G06T7/10 文献下载
摘要：本发明涉及一种基于Anchor‑Free的实时实例分割方法，包括以下步骤：步骤S1:获取实例分割数据集，并预处理后生成训练集；步骤S2:基于改进的目标检测网络CenterNet和CAG‑Mask模块,构建基于Anchor‑Free的实时实例分割模型；步骤S3:根据训练集训练基于Anchor‑Free的实时实例分割模型，得到训练好的分割模型；步骤S4：根据训练好的分割模型对待检测图像或视频数据进行处理，获得实例分割效果。本发明有效缩短了分割时间，可用于实时的实例分割。
基于 anchor free 实时实例分割方法

[发明专利]基于单阶段目标检测和deeptext识别网络的美式车牌识别方法-CN202010976987.6有效
发明人：柯逍;林心茹;黄旭;曾淦雄 -专利权人：福州大学
申请日： 2020-09-17 - 公布日： 2022-06-10 - 主分类号： G06V20/62 文献下载
摘要：本发明涉及一种基于单阶段目标检测和deeptext识别网络的美式车牌识别方法，步骤S1：获取美式车牌数据集，并预处理后生成训练集；步骤S2：根据车牌检测特点修改目标检测网络CornerNet‑Squeeze；步骤S3：使用检测端训练集训练改进的CornerNet‑Squeeze,使用数据集MJSynth和SynthText训练deeptext识别网络；步骤S4：将检训练集送入训练好的检测网络，输出车牌号码、年检信息、州名三部分图像，将这三部分图像送入识别网络，识别网络输出的文本信息通过手工修改错误信息，得到识别标签；步骤S5：使用获得的识别标签对识别网络进行进一步训练，获得高精度的识别网络。步骤S6：使用步骤S5训练好的高精度识别网络对待检测的美式车牌图像检测，输出结果。本发明能够有效地对美式车牌进行识别。
基于阶段目标检测 deeptext 识别网络美式车牌方法

[发明专利]一种免切割的端到端车牌识别方法-CN202010983942.1有效
发明人：柯逍;曾淦雄;林炳辉 -专利权人：福州大学
申请日： 2020-09-18 - 公布日： 2022-05-13 - 主分类号： G06K9/62 文献下载
摘要：本发明提出一种免切割的端到端车牌识别方法，包括以下步骤；步骤S1：收集车牌识别数据集，构建用于训练所述识别网络的训练集和测试集；步骤S2：设计用于提取车牌字符特征的特征提取模块；同时提取车牌字符本身的特征和该字符在车牌中的分布特征；步骤S3：设计用于恢复模糊车牌的反卷积模块，进一步优化对车牌字符特征的表述；步骤S4：使用特征提取网络与反卷积模块设计识别网络的输出模块；步骤S5：使用训练集标签对识别网络进行训练；当识别网络输出对应的包含字符概率的概率向量时，通过使用贪心算法得到最终的车牌号码；本发明可以只使用卷积神经网络完成车牌号码的识别过程，同时具有免字符切割，端到端识别、免车牌矫正，快速轻量的特征。
一种切割端到端车牌识别方法

[发明专利]基于空间金字塔池化的实时语义分割方法及系统-CN202111655311.8在审
发明人：柯逍;蒋培龙;曾淦雄 -专利权人：福州大学
申请日： 2021-12-30 - 公布日： 2022-04-29 - 主分类号： G06V10/26 文献下载
摘要：本发明涉及一种基于空间金字塔池化的实时语义分割方法及系统，该方法包括以下步骤：步骤S1：获取城市街景数据集Cityscapes并进行预处理；步骤S2：对步骤S1得到的数据集进行离线数据增强以增加数据集的多样性；步骤S3：构建基于空间金字塔池化的实时语义分割网络LSPPNet；步骤S4：利用步骤S2得到的数据集对LSPPNet神经网络模型进行训练；步骤S5：将自动驾驶场景中采集到的图像进行预处理，然后输入到LSPPNet神经网络模型，得到图像语义分割结果。该方法及系统有利于提高图像语义分割的准确性和时效性。
基于空间金字塔实时语义分割方法系统

[发明专利]基于生成对抗网络的车牌生成方法-CN202111604845.8在审
发明人：柯逍;曾淦雄;黄旭 -专利权人：福州大学
申请日： 2021-12-25 - 公布日： 2022-04-01 - 主分类号： G06V20/62 文献下载
摘要：本发明涉及一种基于生成对抗网络的车牌生成方法，包括以下步骤：步骤S1:获取用于生成模板车牌的车牌字符库和背景图像；步骤S2:根据车牌构成随机选择字符，使用OpenCV将字符置入背景图像中，合成模板车牌,并对模板车牌进行图像增强；步骤S3:构建基于编码‑解码结构的车牌生成网络；步骤S4:基于真实场景下的车牌图像和模板车牌图像集，构建训练集；步骤S5:基于训练集，使用对抗生成模型训练基于编码‑解码结构的车牌生成网络，得到训练后的车牌生成网络，用于生成有标签的车牌图像。本发明基于编码‑解码网络结构，使得能够根据模板车牌，进行有标签的车牌图像生成，解决了传统生成的车牌图像标签随机的问题。
基于生成对抗网络车牌方法

[发明专利]基于深监督的实时语义分割方法-CN202111600850.1在审
发明人：柯逍;蒋培龙;曾淦雄 -专利权人：福州大学
申请日： 2021-12-24 - 公布日： 2022-04-01 - 主分类号： G06V20/00 文献下载
摘要：本发明提出基于深监督的实时语义分割方法，包括以下步骤；步骤S1、针对特定的应用场景采集用于深监督的场景图像数据，构建场景图像数据库；步骤S2、对数据库中的场景图像进行像素级别标注，导出PASCAL VOC格式的标注文件，使之符合语义分割任务训练要求；步骤S3、构建基于深监督的实时语义分割网络CFSegNet；步骤S4、利用已标注的数据集对CFSegNet神经网络模型进行训练；步骤S5、对应用场景中采集到的图像数据进行预处理，然后输入到CFSegNet神经网络模型，得到图像语义分割结果；本发明准确率高，时效性好，对设备计算性能要求不高，适合部署到性能受限的终端设备中。
基于监督实时语义分割方法

1
共 10 条