|
搜索
搜 索
高等教育领域数字化综合服务平台
图像识别
图像识别服务基于大数据和深度学习实现，可精准识别图像中的视觉内容，包括上千种物体标签、数十种常见场景等，包含图像打标、场景分类、鉴黄等在线API服务模块，应用于智能相册管理、图片分类和检索、图片安全监控等场景。
阿里云计算有限公司
2021-02-01
面向表单图像的文字识别与智能信息处理平台
苏州大学智能信息处理平台的目标是能处理多模态文字数据，精准分析语言内部结构，对人类语言进行深层理解，以支持各种应用需求。
一、项目分类
显著效益成果转化
二、技术分析
苏州大学智能信息处理平台的目标是能处理多模态文字数据，精准分析语言内部结构，对人类语言进行深层理解，以支持各种应用需求。系统可以处理多种非结构化数据，比如说明书、技术标准、车间工单等纸质文档或电子文档。把图像识别技术(OCR)和自然语言理解技术(NLP)相结合，从表单图像中抽取关键要素信息。在此基础上，我们搭建了包括知识图谱问答 (KBQA)、常见问题检索 (FAQ)、对话 (Chatbot)在内的智能问答及对话系统、以及面向大数据的文档信息抽取系统。能够对给定的自然语言问题通过查询、推理提供精准满意的答案，和面向大规模文档提供信息抽取和舆情分析等服务。目前已经向多家公司提供各项相关服务。
苏州大学
2022-08-15
图像智能识别系统准确性测试技术和流程研究
悬赏金额：15万元
发榜企业：中科软件测评（广州）有限公司
需求领域：图形图像处理 数据库系统及数据处理 软件开发 检测分析技术及服务 信息技术及系统服务
产业集群：新一代电子信息产业集群
技术关键词：图像,识别,准确率
中科软件测评（广州）有限公司
2021-11-17
人脸图像的智能识别和手势姿态分析的人机交互技术
作为计算机视觉和模式识别领域中最为成功的应用之一，生物特征识别技术一直受到学术界和业界非常高的重视，生物特征识别技术应用领域非常广泛，比如法律执行部门、军事、政府部门、金融服务、游戏产业、医疗产业、高科技与电信产业、工业制造、零售业、旅游和运输业等。
西安交通大学
2021-04-11
智能图像信息萃取
自然场景下的文字识别更加贴近于生活和生产中的需要，可以运用到许多领域： 1. 将自然场景下的文字识别应用到试卷批阅与作业批改的过程中。通过自然场景下的文字识别技术，将试卷和作业中的答案提取出来，然后依据语义分析等技术实现对整份作业试卷的批阅，使老师有更多的精力和时间投入到日常教学任务中。 2. 将自然场景下的
南京大学
2021-04-14
一种纸币图像识别方法
本发明提出一种纸币图像识别方法，它用训练集中的纸币图像训练分类器，并用所训练的分类器对所获取的待测纸币图像进行币种、面值、面向和版本的识别，具体包括如下步骤：1)对纸币图像进行预处理；2)取纸币图像中的若干个图像块；3)计算每个图像块的图像特征，组成纸币图像的特征向量，作为训练集中图像或待测图像的各图像块的特征向量；4)利用训练集中的图像的各图像块的
浙江大学
2021-01-12
低分辨人脸图像重建与识别系统
成果简介当前，视频监控得到了迅速发展。视频监控普遍存在的问题是：人脸图像分辨率低下。对于低分辨率的人脸图像，需要清晰化目标人的人脸图像和确定监控中目标人的真实身份，这是一个国际性难题。成果应用应用于2008年北京奥运是奥运史上首次将人脸识别技术作为人员身份识别的智能化手段引入其安保工作，是人脸识别技术在华发展的里程碑。 ------摘自人民日报海外版（2012年02月25日） 应用于户籍查重湛江市对全市6123812张二代证人脸图像进行人脸识别，共查出12314对重复户口，查出8名网上逃犯。 对我国人脸识别应用呈现爆发性增长起到了推动作用应用于视频图像侦察清华大学在低分辨率人脸图像重建的新进展：对瞳距大于12像素的人脸图像进行重建，重建像的人脸识别率为：在10万异源数据库中（如二代证数据库），前100名的识别率大于70%在10万同源数据库中，前100名的识别率大于80%
清华大学
2021-04-13
智能表记识别系统
项目简介： 本项目针对复杂的实际工业环境，基于机器学习最新理论成果和机器视觉基本原理，研究并实现了具有较强鲁棒性的变电站传统机械式电表远程智能读数系统。首先通过图像的预处理对电表区域进行初步定位，然后在此有效范围中利用电表指针的几何形状特点对其进行精准定位，最后通过指针与表盘刻度的相对位置计算电表读数，最终实现了在复杂环境下对电表快速、可靠、精确地远程智能读数，代替了低效的传统人工抄表和数据录入，具有可推广应用的工业价值。 运用机器学习和计算机视觉技术，首先获取指针式仪表表盘图像，然后采用数字图像处理技术提取和识别目标，最后实现指针式仪表示值的自动判读，从而避免人工判读示值工作量大、容易出错等问题。本项目的主要工作内容有：电表特征配置、指针类表计读数判别、建立前馈式神经网络模型、图像智能化判断。 由于工业环境复杂多变，在数据采集过程中不定期地会出现各种故障和干扰。这些极端情况下所采集到的图片若进入系统进行智能读数分析，所得到的分析结果往往是不可信或者无意义的。所以，根据图像的像素分布特点进行分析，系统将自动拒绝对质量过差的问题图像进行分析判断，并向变电站工作人员发送相关警告提示。在提高系统读数结果可靠性的同时，及时发现设备问题并通知工作人员，有利于尽早排除故障、防患于未然。主要技术指标：识别正确率：92.5%；识别速度<3s。 应用范围：项目目前已进入产业化阶段，成果权属为我校独自拥有。
四川大学
2021-04-11
智能物料跟踪与识别
（1）开发工业字符自动识别算法，有效对旋转、变形、缺失字符进行准确识别，实现自动物流跟踪；（2）支持面喷、侧喷、钢印和手写字符的识别；（3）支持自定义字库，语法，多点同步识别；（4）识别算法对喷印质量没有要求，识别准确率为：对人工能进行识别的字符整体识别正确率为 99%。
北京科技大学
2021-04-13
页岩薄片智能识别平台
一、项目进展
创意计划阶段
二、负责人及成员
姓名
学院/所学专业
入学/毕业时间
学号
高志豪
计算机学院/物联网工程
2017年/2021年
201731064410
林钟煇
计算机学院/物联网工程
2018年/2022年
201831064119
阳旭菻
计算机学院/计算机科学与技术
2018年/2022年
201831062525
李沛键
计算机学院/物联网工程
2018年/2022年
201831064115
三、指导教师
姓名
学院/所学专业
职务/职称
研究方向
陈雁
计算机科学学院
副教授
人工智能、复杂网络、能源与人工智能交叉领域
刘忠慧
计算机科学学院
副教授
机器学习、人工智能、形式概念分析
四、项目简介
美国海相页岩气藏的成功勘探开发，展现了页岩气的巨大潜力和发展空间，同时也极大地促进了页岩储层微观结构表征分析技术的发展，通过页岩岩心薄片观察底层形态、确定底层数据，是页岩气勘探开采中的重要一环。页岩储层的孔隙作为页岩组分的一个重要部分，其结构特征直接影响着储层剩余储量的剩余油的分布，因此，对页岩薄片孔隙的形状和类型进行研究是十分必要的。但在目前，页岩薄片只能靠人工鉴定，这种方法工作量大，效率低，且主观性强，误差较大。深度学习是近年发展起来的具有多层次特征抽象归纳与知识发现能力的机器学习算法，目前已经被广泛应用到了语音识别、计算机视觉、自然语言处理等众多领域。在地质和岩石物理领域也有了初步的应用，深度学习方法在地质数据的特征提取及预测识别方面有着广阔的应用前景，本项目组将会开发页岩薄片智能平台，通过机器学习算法来学习专家知识，自动识别孔隙类型，这样就可以大大提高效率，节省人力。
西南石油大学
2023-07-20