申请/专利权人:上海华讯网络系统有限公司
申请日:2023-12-22
公开(公告)日:2024-03-19
公开(公告)号:CN117727046A
主分类号:G06V30/19
分类号:G06V30/19;G06V10/82;G06V30/148;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.05#实质审查的生效;2024.03.19#公开
摘要:本发明提供了一种新型山洪前端仪器仪表读数自动识别方法及系统,包括:构造A‑U2‑Net卷积神经网络模型主干网络;将提取的特征和ECA模块输出特征相加后再输入下一个特征提取层进行特征提取;将编码阶段输出的语义特征进行融合;构建上采样核预测模块及内容感知模块;对指针式仪表数据集进行预处理,对指针式仪表进行VOC格式数据集的标注,将数据集输入到YOLOV7模型中进行训练;将仪表图像及生成数据输入到改进的A‑U2‑Net模型中进行训练;输入图片通过组合算法检测出结果后,对结果进行解码并写入到分离的图片上。本发明消除了RSU模块提取多尺度特征时残留在特征通道内的无效特征干扰,进一步增强模型的鲁棒性。
主权项:1.一种新型山洪前端仪器仪表读数自动识别方法,其特征在于,包括:步骤S1:构造A-U2-Net卷积神经网络模型主干网络;步骤S2:使用深度可分离卷积,将提取的特征和ECA模块输出特征相加后再输入下一个特征提取层进行特征提取;步骤S3:将编码阶段输出的语义特征进行融合,输入至对称解码阶段进行处理;完成上采样操作,构建上采样核预测模块及内容感知模块;步骤S4:对指针式仪表数据集进行预处理,对指针式仪表进行VOC格式数据集的标注,将数据集输入到YOLOV7模型中进行训练;步骤S5:将仪表图像及生成数据输入到改进的A-U2-Net模型中进行训练,保存Yolov7目标检测与A-U2-Net图像分割模型权重的保存,并将其组合;输入图片通过组合算法检测出结果后,对结果进行解码并写入到分离的图片上。
全文数据:
权利要求:
百度查询: 上海华讯网络系统有限公司 新型山洪前端仪器仪表读数自动识别方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。