一种基于深度学习目标检测和分类技术的火焰检测算法.pdf
Ch****49
亲,该文档总共13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
一种基于深度学习目标检测和分类技术的火焰检测算法.pdf
本发明公开了一种基于深度学习目标检测和分类技术的火焰检测算法,涉及火焰检测算法技术领域,包括以下步骤,数据集的来源,网络架构的设计,网络架构的预训练,指定评估标准和火焰检测阈值选择。本发明解决了火焰颜色的干扰、摄像头视角多样性导致颜色分布不均、物体遮挡导致火焰呈现不完整、摄像头曝光导致火焰漏报或误报的问题具有自定义的深度卷积火焰检测网络和自定义的深度卷积火焰分类网络,利用深度卷积神经网络的多任务和K‑mean方式得多先验框,完成了火焰的准确检测,高效的深度卷积分类网络,进一步地完成了火焰和非火焰的准确分类
一种基于深度学习算法的工位目标检测系统.pdf
本发明公开了一种基于深度学习算法的工位目标检测系统,包括:数据存储模块、目标识别模块、结果标识模块和结果纠正模块。本发明提供的基于深度学习算法的工位目标检测系统通过结果纠正模块对目标识别模块中数据对比结果进行人为判断,并对对比结果进行纠正,通过深度学习算法优化目标识别模块的识别算法,提高目标识别精度,即结果标识的准确性。
一种基于深度学习的人声检测算法.pdf
本发明涉及一种基于深度学习的人声检测算法。包括特征提取器、Resnet网络以及LSTM网络;所述的特征提取器用于从输入音频信号中提取梅尔频谱特征;所述的Resnet网络用于将连续输入的梅尔频谱特征在时间维度上进行压缩,将输入的T帧特征降低为T/8帧的同时保留人声检测的信息,从而减少后续LSTM的计算量;所述的LSTM网络采用两层的LSTM网络级联,输出连接全连接层后得到当前输入帧是否有人说话的预测,1表示有人说话,0则反之。本发明提供的一种基于深度学习的人声检测算法,加入了Resnet结构对信号在时间维度
一种基于深度学习的夜间行人检测算法.pdf
本发明涉及一种基于深度学习的夜间行人检测算法,属于目标检测技术领域。首先针对因夜间图像的弱光照特性导致的无法区分前景与背景问题,使用Zero‑DCE算法进行光照增强,以便于后续检测;然后针对YoloV4算法在夜间场景下特征提取能力不足的问题,提出双主干网络改进方案;最后改进特征融合模块,加强不同层特征图之间的信息流通。本发明采用以上方案构成夜间行人检测算法法,实现了比YoloV4算法更好的检测效果,为车辆辅助驾驶、智能机器人等研究方向提供技术支持。
基于多视角深度学习算法的异常行为目标检测系统.pdf
本发明涉及监控管理技术领域,具体地说,涉及基于多视角深度学习算法的异常行为目标检测系统。以监控视频数据为基础,对涵盖视频内容、监测目标信息、目标行为等海量数据进行管理分析,基于以深度学习、目标检测、图像处理为主的核心技术,构建多视角分析的目标检测平台,用以辅助业务的监管和决策;包括依次通信连接的基础架构单元、智能分析AI、技术基础单元和应用管理单元。本发明设计通过人工智能异常行为识别系统的应用,可减少人力资源的投入,系统可以及时发现异常行为,还可为事后追溯提供直观依据,减少事后查询投入的人力及物力,降低成