申请/专利权人:宁波港信息通信有限公司
申请日:2024-03-03
公开(公告)日:2024-04-02
公开(公告)号:CN117809310A
主分类号:G06V30/14
分类号:G06V30/14;G06V30/16;G06V10/82;G06T3/40;G06T3/4053;G06V10/762;G06N3/0464;G06N3/094;G06N3/0475
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本发明提供一种基于机器学习的港口集装箱号识别方法及系统,涉及图像识别技术领域,包括获取目标区域的港口集装箱的原始图像,基于预设的采样编码模型得到增强图像;根据增强图像,通过预设的超分辨率重构模型对增强图像进行深度可分离卷积,对深度卷积图进行缩放操作,并将进行缩放操作后的深度卷积图输入到超分辨率重构模型的生成对抗模块中,确定小尺度图像集合;基于小尺度图像集合,按照不同比例融合小尺度图像中多个维度的特征,并提取小尺度图像集合中多个潜在目标的边界框,通过聚类算法调整边界框的尺寸,生成多个初始聚类中心,重复调整边界框的尺寸直至新生成的聚类中心不再发生变化,对边界框中的集装箱的箱号进行识别。
主权项:1.一种基于机器学习的港口集装箱号识别方法,其特征在于,包括:获取目标区域的港口集装箱的原始图像,基于预设的采样编码模型分别对所述原始图像进行上、下特征采样得到上、下采样特征图以及对所述原始图像进行密集编码得到密集编码图,基于所述上、下采样特征图以及所述密集编码图对所述原始图像进行图像增强,得到增强图像;根据所述增强图像,通过预设的超分辨率重构模型对所述增强图像进行深度可分离卷积,确定所述增强图像对应的深度卷积图,并根据预设的缩放因子对所述深度卷积图进行缩放操作,并将进行缩放操作后的深度卷积图输入到所述超分辨率重构模型的生成对抗模块中,确定小尺度图像集合;基于所述小尺度图像集合,按照不同比例融合小尺度图像中多个维度的特征,并提取所述小尺度图像集合中多个潜在目标的边界框,通过聚类算法调整所述边界框的尺寸,生成多个初始聚类中心,重复调整所述边界框的尺寸直至新生成的聚类中心不再发生变化,对所述边界框中的集装箱的箱号进行识别。
全文数据:
权利要求:
百度查询: 宁波港信息通信有限公司 基于机器学习的港口集装箱号识别方法及系统
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。