|
搜索
搜 索
高等教育领域数字化综合服务平台
基于配准和深度学习的接触网鸟巢检测与识别系统
已有样品/n1）主要技术特点： 该成果的特点是针对高速铁路巡检车捕获的接触网服役状态的高清 图像,利用关键部位检测与配准方法,自动检测和定位接触网关键部位, 然后,利用深度特征学习方法,自动检测和识别接触网关键部位鸟巢危 害。与现有的接触网鸟巢人工巡视相比，具有检测和识别速度快、精度 高等优点。 2）主要技术指标： (1)接触网鸟巢检测精度率：漏检率为 0,虚警率<5% (2)接触网鸟巢检测的速度：>10fps 3）应用范围： 可用于高速铁路巡检车接触网鸟巢危害的检测与定位，提高处理的
华中科技大学
2021-01-12
场景文字检测与识别
场景文字检测与识别是指将自然场景中出现的文字信息识别出来。具体来讲其包含两个部分（如图1）：文字检测和文字识别。在现实生活中，场景文字检测与识别的应用十分广泛。
南京大学
2021-04-14
车辆精细化检测与识别
项目成果/简介: 目前，公路治超主要集中在限制性的监测点或者现场人工执法，对于非限制性非现场治超才刚刚起步，技术尚不完善。在非限制性的交通场景下存在诸如车辆角度问题、遮挡问题、光照问题、车辆数据分布不均衡等问题，阻碍了非限制性非现场公路治超的推广。 该车辆精细化检测与识别组合技术可应用于非限制性非现场公路综合治理超载超限中的货车精细化检测与识别。基于该车辆精细化检测与识别组合技术，可以对货车的属性进行精细化检测与识别，融合视觉信息与道路称重信息来实现非限制性非现场公路综合治理超载超限。通过该技术的升级改造，极大地提升公司的非限制性非现场治超产品的市场竞争力。知识产权类型:其他技术先进程度:达到国内先进水平成果获得方式:与企业合作获得政府支持情况:无
安徽大学
2021-04-11
车辆精细化检测与识别
目前，公路治超主要集中在限制性的监测点或者现场人工执法，对于非限制性非现场治超才刚刚起步，技术尚不完善。在非限制性的交通场景下存在诸如车辆角度问题、遮挡问题、光照问题、车辆数据分布不均衡等问题，阻碍了非限制性非现场公路治超的推广。
该车辆精细化检测与识别组合技术可应用于非限制性非现场公路综合治理超载超限中的货车精细化检测与识别。基于该车辆精细化检测与识别组合技术，可以对货车的属性进行精细化检测与识别，融合视觉信息与道路称重信息来实现非限制性非现场公路综合治理超载超限。通过该技术的升级改造，极大地提升公司的非限制性非现场治超产品的市场竞争力。
安徽大学
2021-05-09
复杂背景下字符检测与识别
本成果属于一种计算机图象处理程序:首先用光学传感器(相机等) 获得包含符号的复杂背景图象，然后由计算机程序自动检测和识别出 符号。已采用 7000 多幅图象进行了测试，图象加入了各种噪声、变 形、旋转、尺寸变化等干扰，识别率 95%以上，测试报道见德国 Springer 出版社出版的 Lecture Notes in Computer Science 第 3088 卷。 另外，已实现了若干复杂场景下的字符检测方
复旦大学
2021-01-12
非接触视觉测量与识别检测平台
本项目以图像处理、模式识别，以及多信息融合技术为基础，构建了一个通用性强、高智能化和自动化水平的视觉测量与检测平台。实现复杂环境下对多种类目标(不同形状和尺寸零件、结构件等)、多参数（尺寸、平行度、挠度等）、多尺度的测量与检测。
南京工业大学
2021-01-12
鸟巢制作套材
木板一块15*1200mm，合页2个，配若干螺丝。
宁波华茂文教股份有限公司
2021-08-23
非限制条件下车牌检测与识别
与停车场车辆计费等限制条件下的车牌识别应用场景不同，本项目可以实现多种复杂环境下多车牌多角度的车牌检测与识别。
华东交通大学
2021-05-04
基于生成图像数据的水下目标检测与识别
一、项目简介 水下目标检测与识别，是水下机器人等相关系统能够被高效应用的前提。然而现有系统难以应对水下图像能见度较低，对比度差，存在颜色漂移和边缘模糊等问题；另外，水下图像样本稀少且缺乏足够的变化性，使得相关基于机器学习的目标检测与识别系统由于缺乏训练样本而无法有效应用。 二、前期研究基础 项目利用深度学习等新的理论突破，提出两种解决方案，一种是通过结合水下成像原理与深度风格迁移、生成对抗网络等算法，由普通光学图像生成水下图像，构建水下图像目标检测与识别仿真库，该数据库一方面数据量大且具有较大的变化性，也即场景与目标均具有较大的变化性；另一方面，由于是由普通光学图像迁移获得，因而也可以直接应用普通光学图像自身的标签信息，无需再对其进行标注。另一种是研究基于水下退化图像处理算法的检测和识别系统，解决由水下图像的色彩漂移和细节丢失等退化现象带来的目标检测和识别问题。同时通过水下退化图像处理模块和检测识别系统的联合优化技术，可以实现退化图像的增强方法与检测识别系统的最佳匹配。在保证处理后的退化图像性能指标的前提下，进一步提升水下图像的目标检测识别性能。 三、应用技术成果 1）基于深度学习风格迁移的水下图像生成效果示例 a为自然场景图像中的目标检测结果；b为模拟生成的水下风格图像及其目标检测结果；c为图像增强后的目标检测结果。 四、合作企业 无
厦门大学
2021-04-11
恶劣成像环境下图像目标检测、识别与跟踪系统
一、项目简介 项目旨在解决现有目标检测、识别和跟踪系统易受雨天、雾天、沙尘、低光照、水下等恶劣成像环境的影响问题，使得相关目标检测、识别与跟踪系统可以全天候工作，最大程度克服相关视觉应用系统受天气和工作场景的影响的局限。 二、前期研究基础 课题组通过多年攻关，在相关核心技术方面有多项突破，提出多项拥有自主知识产权的针对恶劣成像环境下退化图像的质量提升方法。相关研究处于国内领先水平，已在包括IEEE Trans.Image Processing， CVPR，ICCV等计算机视觉国际顶级期刊和会议上发表论文17篇。授权发明专利5项，软件著作权1项。 三、应用技术成果 1) 雾天图像增强2) 水下图像增强 3) 雾天图像增强
厦门大学
2021-04-11