一种基于深度学习的道路环境障碍物检测系统及方法.pdf
论文****轩吖
亲,该文档总共17页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于深度学习的道路环境障碍物检测系统及方法.pdf
本发明提出了一种基于深度学习的道路环境障碍物检测系统及方法。本发明系统包括:车前摄像头、车尾摄像头、左后视镜摄像头、右后视镜摄像头、第一智能处理单元、第二智能处理单元、第三智能处理单元、第四智能处理单元、交换机、主控单页、显示屏、蜂鸣器以及电源模块。本发明方法通过摄像头实时采集车辆四周视频序列,将获取序列中的图像传输给对应的智能处理单元;智能处理单元获取接收图像中的感兴趣区域;创建道路障碍物数据集离线训练YOLO神经网络,智能处理单元将分类为非路面簇的图片作为验证集,输入到训练完成的YOLO网络模型中,输
一种基于深度学习的车位及障碍物检测方法及其应用.pdf
本发明公开了一种基于深度学习的车位及障碍物检测方法及其应用,该方法包括:1.在车辆相应位置安装鱼眼摄像头;2.对鱼眼摄像头进行环视拼接并进行标注,制作数据集;3.搭建神经网络结构,采用共用一个主干网络,经过特征提取网络后生成两个检测头的网络结构,分别对停车位和障碍物进行不同方式的回归;4.训练神经网络,得到最优损失下的权重,进行停车位识别。本发明避免了在采用检测框回归的方式同时检测停车位与障碍物的过程中无法拟合停车位的问题,从而保证了在准确拟合停车位的同时也能对障碍物进行有效检测识别。
一种基于深度学习方法的消防通道障碍物智能检测方法.pdf
本发明提供了一种基于深度学习方法的消防通道障碍物智能检测方法,步骤如下:取几段目标场景下的监控视频;对标注过的数据使用深度学习方法进行显著性目标检测模型训练;输入类似的场景下消防通道监控视频的一帧图像;使用训练好的模型对输入的图像进行预测;对前景物体计算最小外接矩形框;通过任意划区的坐标确定步骤四中图像的感兴趣区域;将感兴趣区域框分别与步骤六中的每个前景物体的最小外接矩形框计算交集与该前景物体的最小外接矩形框的比值P;比较p与预先设置的阈值V的大小,若p>V,则说明感兴趣区域内出现了障碍物;设置障碍
一种基于深度学习的皮带缺陷检测方法及系统.pdf
本申请提供一种基于深度学习的皮带缺陷检测方法及系统,检测方法包括:构建皮带训练网络模型,构建构建皮带训练网络模型包括随机仿射变换特征提取处理步骤、激励注意力机制处理步骤和小目标检测头处理步骤;训练皮带训练网络模型得到目标权重文件;向皮带底部发射激光;获取皮带待检测图片;对皮带待检测图片进行解析检测处理得到像素块组;比对像素块组与所述目标权重文件,得到比对结果;判断比对结果是否大于比对阈值;若是,则生成用于关闭皮带机的控制指令。本申请通过上述检测方法及系统提高了对皮带缺陷的不同位置的特征提取能力,提高激光线
一种基于深度学习的尘肺检测方法与系统.pdf
本发明涉及一种尘肺结节的检测方法,包括以下步骤:S1、转化DICOM格式的CT图像为numpy数组格式的肺部图像并读取该CT图像数据信息;S2、进行形态学操作得到只保留肺部实质的实质图像;S3、将实质图像分割成若干个小块的小块图像;S4、将这些小块图像送入卷积神经网络进行尘肺结节的筛选及诊断,并得到检测结果;S5、将检测结果保存为csv格式。本发明通过对CT图像进行转化、形态学操作、筛选,检测尘肺结节的个数以及所在的坐标区域,实现尘肺症状的自动诊断,减少了尘肺鉴别需要大量医疗资源的问题。