“retinanet”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果114个，建议您升级VIP下载更多相关专利

[发明专利]基于改进RetinaNet网络的输电线路缺陷识别方法-CN201910858219.8在审
发明人：王波;林刚;唐海尧;王晓阳 -专利权人：武汉敏捷数云信息技术有限公司
申请日： 2019-09-11 - 公布日： 2020-01-17 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及基于改进RetinaNet网络的输电线路缺陷识别方法，包括以下步骤：S1、以DenseNet作为特征提取网络构建改进RetinaNet网络；S2、确定改进RetinaNet网络缺陷识别评价指标，设置改进RetinaNet网络环境及RetinaNet算法参数；S3、构建输电线路缺陷图片集，训练改进RetinaNet网络；S4、基于训练好的改进RetinaNet网络，对拍摄的输电线路图片进行缺陷识别有益效果是基于改进RetinaNet网络识别精度高，识别速度快。
改进输电线路缺陷识别网络评价指标缺陷图片算法参数特征提取网络构建网络环境网络缺陷网络识别构建拍摄图片

[发明专利]一种基于改进RetinaNet的绝缘子缺陷检测方法及设备-CN202211354696.9在审
发明人：于虹 -专利权人：云南电网有限责任公司电力科学研究院
申请日： 2022-11-01 - 公布日： 2022-12-30 - 主分类号： G06T7/00 文献下载
摘要：本发明实施例公开了一种基于改进RetinaNet的绝缘子缺陷检测方法及设备，包括：构建绝缘子图像数据集，并建立改进型RetinaNet网络模型，基于绝缘子图像数据集对改进型RetinaNet网络模型进行训练，直到改进型RetinaNet网络模型满足条件收敛，得到绝缘子缺陷检测模型；其中，建立改进型RetinaNet网络模型，包括：在RetinaNet网络模型中引入HRNet子网络用于特征提取；利用绝缘子缺陷检测模型实时检测绝缘子缺陷本发明基于改进型RetinaNet网络模型构建绝缘子缺陷检测模型，基于绝缘子缺陷检测模型实现对绝缘子缺陷的高效识别，其中，改进型RetinaNet网络模型引入高分辨率特征提取网络HRNet替代RetinaNet
一种基于改进 retinanet 绝缘子缺陷检测方法设备

[发明专利]适用于电网设备缺陷的视觉智能识别方法-CN202310517744.X在审
发明人：王晶;高建勇;周永博;王琼;刘志远 -专利权人：国网甘肃省电力公司信息通信公司
申请日： 2023-05-09 - 公布日： 2023-08-15 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了适用于电网设备缺陷的视觉智能识别方法，包括：建立电力设备缺陷的数据集，对数据集进行标记处理，得到标记框，并将标记处理后的数据集分为训练集和测试集；生成RetinaNet算法的锚点框；将CSPNet与ResNet相结合得到CSPResNet，取代ResNet，并采用PAN结构取代FPN作为特征提取网络；将锚点框、CSPResNet、特征提取网络嵌入RetinaNet算法，得到改进RetinaNet算法；将训练集输入改进RetinaNet算法，得到优化RetinaNet算法；用测试集对优化RetinaNet算法进行测试。
适用于电网设备缺陷视觉智能识别方法

[发明专利]云边协同自适应推理路径规划的目标追踪方法和系统-CN202210581878.3在审
发明人：姚楠;刘子全;王真;秦剑华;朱雪琼;路永玲;胡成博;薛海;高超;吴奇伟 -专利权人：国网江苏省电力有限公司电力科学研究院;国网江苏省电力有限公司;江苏省电力试验研究院有限公司
申请日： 2022-05-26 - 公布日： 2022-08-30 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了云边协同自适应推理路径规划的目标追踪方法和系统，云端接收边端上传的图像，基于所述图像利用预先获取的RetinaNet网络模型得到图像中目标的特征图、类别以及位置信息；云端对RetinaNet网络模型的推理路径进行优化获得优化后的RetinaNet网络模型参数；云端将目标的特征图、类别、优化后的RetinaNet网络模型参数以及所述RetinaNet网络模型下发到边端，以使得边端基于获取的图像，利用目标的特征图、类别、优化后的RetinaNet网络模型参数以及RetinaNet网络模型确定目标及其类别。
协同自适应推理路径规划目标追踪方法系统

[发明专利]一种增强注意力区域生成网络的小样本目标检测方法-CN202110651171.0在审
发明人：刘丽颖;张笑钦;徐曰旺;黄自玮 -专利权人：温州大学
申请日： 2021-06-10 - 公布日： 2021-08-31 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种增强注意力区域生成网络的小样本目标检测方法，包括：获取与检测目标相关的数据信息；对获取的数据信息进行预处理；搭建RetinaNet网络，并将经过预处理的数据输入到搭建好的RetinaNet网络进行训练；将待检测图像或视频输入至训练好的RetinaNet网络进行检测，本发明通过对获取的数据信息进行预处理，并将预处理后的数据输入至搭建好的RetinaNet网络进行训练获取RetinaNet网络模型，再将待检测图像或视频输入至训练好的RetinaNet网络进行检测，可提高小样本目标的检测精度与准确度。
一种增强注意力区域生成网络样本目标检测方法

[发明专利]一种基于改进RetinaNet的自然果园场景下的凤梨成熟度检测方法-CN202210637840.3在审
发明人：陈琰;郑路璐;施德昊;赵瀚霖;李政英;薛家骏;钟洋 -专利权人：华南农业大学
申请日： 2022-06-07 - 公布日： 2022-10-04 - 主分类号： G06V20/68 文献下载
摘要：本发明公开了一种基于改进RetinaNet的自然果园场景下的凤梨成熟度检测方法，包括步骤：采集自然果园场景下凤梨图像数据，经过图像预处理后，建立凤梨图像库；构建基于RetinaNet的网络模型结构；改进RetinaNet，构建ECA‑RetinaNet凤梨检测网络；导入训练数据集对ECA‑RetinaNet，选择焦点损失函数来编译模型进行训练，获取检测凤梨成熟度的最优模型；利用测试集进行测试，通过ECA‑RetinaNet
一种基于改进 retinanet 自然果园场景凤梨成熟度检测方法

[发明专利]一种服装面料裁片的颜色和形状识别方法及相关装置-CN202011332429.2在审
发明人：柴文光;陈香远 -专利权人：广东工业大学
申请日： 2020-11-24 - 公布日： 2021-02-26 - 主分类号： G06K9/32 文献下载
摘要：本申请公开了一种服装面料裁片的颜色和形状识别方法及相关装置，其中方法包括：采集服装面料裁片的图像数据集，通过LabelImg工具对图像数据集进行标注并保存；对图像数据集进行增强得到图像扩充数据集，图像扩充数据集包括：训练集和测试集；设置RetinaNet网络结构模型的特征提取层为ResNet‑50；设置RetinaNet网络结构模型的评价指标，并对RetinaNet网络结构模型的第一个卷积层和第二个卷积层均进行冻结后，将训练集输入到RetinaNet网络结构模型进行训练，当达到预置训练次数时，得到RetinaNet网络结构识别模型；将测试集输入到RetinaNet网络结构识别模型，输出服装面料裁片的识别结果，解决了现有的服装面料裁片识别技术不能同时兼顾快速且准确的识别性能的技术问题
一种服装面料颜色形状识别方法相关装置

[发明专利]基于RetinaNet算法的生态生物识别方法-CN202210347921.X在审
发明人：杨志峰;沈永明;张远;蔡宴朋 -专利权人：澜途集思生态科技集团有限公司
申请日： 2022-04-01 - 公布日： 2022-07-05 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了基于RetinaNet算法的生态生物识别方法，包括如下步骤：收集生态生物特征，将收集的生态特征进行收集分类，并建立分布式生态特征数据库；发起生态生物识别请求，根据请求在生态环境中采集生物图像数据；对采集的生物图像数据进行图像去噪处理，并将分析后的生物图像数据进行存储；通过RetinaNet算法对采集的生物图像数据进行目标检测；将得到的所需识别的生物图像数据特征与分布式生态特征数据库中的特征数据进行对比识别本发明通过设置RetinaNet算法，相比较于经典的TwoStage检测方法Faster‑RCNN，RetinaNet具有更高的精度，能够有效的提高生物识别的精度。
基于 retinanet 算法生态生物识别方法

[发明专利]轨道交通安全标志缺陷检测方法和装置、电子设备及介质-CN202310446590.X在审
发明人：刘成沛;郑昊辰;孙全俊;谢丰源;李堉明 -专利权人：五邑大学
申请日： 2023-04-23 - 公布日： 2023-10-03 - 主分类号： G06T7/00 文献下载
摘要：该方法包括：通过相机拍摄待检测的轨道场景；获取轨道场景中目标交通安全标志的图像信息；构建缺陷检测模型，对交通安全标志的缺陷进行定义，将存在缺陷的交通安全标志定义为负样本，其中，缺陷检测模型为RetinaNet网络模型；将图像信息输入预先训练好的RetinaNet网络模型，以判断目标交通安全标志是否存在缺陷，其中，将RetinaNet网络模型中的FPN模块改为PAN模块，同时将CBAM模块嵌入到PAN模块中，并且将RetinaNet网络模型中骨干网络ResNet起到下采样作用的卷积层替换为空洞卷积层，检测效率和检测精度高。
轨道交通安全标志缺陷检测方法装置电子设备介质

[发明专利]一种基于深度学习的工业自动表面缺陷检测方法-CN202110622786.0在审
发明人：余建波;程训 -专利权人：同济大学
申请日： 2021-06-04 - 公布日： 2021-08-10 - 主分类号： G06T7/00 文献下载
摘要：采集所述工业产品的表面图像，并对所述表面图片进行预处理得到表面缺陷图像；步骤S2，对表面缺陷图像中的缺陷进行标注得到标注文件，以表面缺陷图像以及对应的标注文件作为表面缺陷数据集；步骤S3，根据表面缺陷数据集对RetinaNet锚点进行优化，得到适配于表面缺陷数据集的优化RetinaNet锚点；步骤S4，根据优化RetinaNet锚点建立RetinaNet深度学习模型作为表面缺陷检测模型；步骤S5，将表面缺陷数据集分为训练集以及测试集
一种基于深度学习工业自动表面缺陷检测方法

[发明专利]一种全天候多光谱行人检测方法-CN201911011783.2有效
发明人：沈继锋;韦浩;左欣;孙俊 -专利权人：江苏大学
申请日： 2019-10-23 - 公布日： 2023-07-18 - 主分类号： G06V40/10 文献下载
摘要：本发明提供了一种全天候多光谱行人检测方法，分别采用可见光和红外相机采集全天候行人图像数据，将获得的红外和可见光图像数据集训练出两个RetinaNet网络模型，该网络模型内的特征采集网络为VGG16，训练后得到的两个网络模型分别记为RetinaNet‑C和RetinaNet‑T，截取这两个网络模型的特征采集网络的参数作为本次特征采集网络的初始化权重；将RetinaNet网络模型划分为双分支特征提取网络VGG16、特征金字塔FPN和双分支的分类回归网络的主体框架
一种全天候光谱行人检测方法

[发明专利]基于单视觉遥感影像端到端建筑物高度预测方法、系统和电子设备-CN202111304222.9在审
发明人：赵宇恒;特日根;韩宇;李想;陈文韬 -专利权人：长光卫星技术有限公司
申请日： 2021-11-05 - 公布日： 2022-01-07 - 主分类号： G06T7/60 文献下载
摘要：本发明提出基于单视觉遥感影像端到端建筑物高度预测方法、系统和电子设备，所述方法包括：步骤1：制作基于高分辨率光学遥感影像的建筑物高度预测数据集；步骤2：对RetinaNet模型进行改进，在FPN层加入下采样层并在预测部分使用OHEM损失函数和Fast‑NMS优化模型；步骤3：使用建筑物高度预测数据集对改进RetinaNet模型进行训练；步骤4：使用训练后的RetinaNet模型对包含建筑物的遥感影像进行建筑物高度预测。
基于视觉遥感影像端到端建筑物高度预测方法系统电子设备

[发明专利]一种基于深度卷积网络的SAR检测方法及系统-CN201911298117.1有效
发明人：袁国文;张彩霞;陈锐;李纲 -专利权人：佛山科学技术学院
申请日： 2019-12-17 - 公布日： 2023-05-30 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种基于深度卷积网络的SAR检测方法及系统，借助计算机视觉与RetinaNet网络技术，将雷达拍摄到的SAR图像传入训练好的目标监测模型中，通过对SAR图像的归一化、降维、图像集划分，通过训练集训练RetinaNet目标检测网络并根据准确率调整网络参数得到目标检测模型，通过目标检测模型通过识别图片中的目标，达到雷达监测的作用，基于RetinaNet网络的SAR检测方法，借助深度卷积网络的优势，更好的提取图像中的特征
一种基于深度卷积网络 sar 检测方法系统

[发明专利]用于LED的缺陷检测方法以及存储介质-CN202110235766.8有效
发明人：郑飞;林贵成;闫锋;李林林 -专利权人：合肥图迅电子科技有限公司
申请日： 2021-03-03 - 公布日： 2022-11-01 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种用于LED的缺陷检测方法以及存储介质，用于LED的缺陷检测方法包括以下步骤：以深度卷积残差网络和特征金字塔网络作为特征提取器构建RetinaNet网络；构建LED训练图像集，并对LED训练图像集中的各LED训练图像进行缺陷标注，得到对应的缺陷目标信息；利用LED训练图像集中的各LED训练图像及其对应的缺陷目标信息，训练RetinaNet网络；利用训练好的RetinaNet网络，对获取的胶后LED图像进行缺陷检测
用于 led 缺陷检测方法以及存储介质

[发明专利]一种基于改进RetinaNet网络的火焰检测方法-CN202110105436.7在审
发明人：伍星;王洪刚 -专利权人：重庆大学
申请日： 2021-01-26 - 公布日： 2021-04-20 - 主分类号： G06K9/46 文献下载
摘要：本发明公开一种基于改进RetinaNet网络的火焰检测方法，S1：收集N张有火焰画面的图片作为训练数据集，并对训练数据集中火焰进行标注；S2：使用SandGlass模块替换残差模块，从而得到改进的RetinaNet所述SandGlass模块包括依次连接的第一深度可分离卷积、第一卷积、第二卷积和第二深度可分离卷积；S3：构建特征金字塔网络，且在特征金字塔网络输出的每一层特征后增加一个分割分支；S4：对构建的改进的RetinaNet本发明使用SandGlass模块代替现有RetinaNet网络的残差模块，提升了火焰检测的速度；利用火焰的颜色特性提供分割的监督信号，提升了火焰检测的精度。
一种基于改进 retinanet 网络火焰检测方法

1
2
3
4
5
6
7
8
下一页»
尾页
共 114 条