近日,deepseek的爆火,標志著深度學習、圖像識別技術(shù)已成為推動各行業(yè)智能化轉(zhuǎn)型的關(guān)鍵力量。深耕智慧通行領(lǐng)域的捷順科技,近期也在AI模型、深度學習領(lǐng)域迎來多項喜訊——
多項AI圖像識別相關(guān)技術(shù)專利獲得授權(quán)。這一系列成果聚焦于車輛識別和數(shù)據(jù)增強,從核心算法到數(shù)據(jù)處理層面,為圖像識別技術(shù)的發(fā)展帶來全新突破,有望重塑智能交通、智慧停車等多個領(lǐng)域的發(fā)展格局。
No.1
一種車輛識別模型創(chuàng)建方法、車輛識別方法及相關(guān)組件
這項專利直擊智能交通系統(tǒng)中車輛識別的痛點。如今,智能交通深度融入城市運轉(zhuǎn),停車場管理、交通監(jiān)控等場景對車輛識別技術(shù)提出了極高要求。然而,傳統(tǒng)車牌識別系統(tǒng)在面對套牌車、模糊車牌,以及不理想的光照、遮擋、拍攝角度影響時,識別準確率大幅下滑。
捷順科技的這項專利,創(chuàng)新地采用數(shù)據(jù)增強策略,對車輛樣本圖像進行處理,獲取富含細粒度特征信息的樣本圖像。接著,依據(jù)車輛的不同屬性信息標注樣本圖像,構(gòu)建高質(zhì)量訓練集,對車輛識別模型進行針對性訓練。這種端到端的訓練方式,無需復雜的車輛小目標定位流程,極大提升了車輛識別的效率與精確度,為捷順科技業(yè)內(nèi)領(lǐng)先識別準確率,提供了有力技術(shù)保障,在交通管理、安防監(jiān)控等領(lǐng)域有著廣闊的應(yīng)用前景。
No.2
一種數(shù)據(jù)增強的方法及裝置
這項專利著眼于
圖像處理深度學習的數(shù)據(jù)根基。在深度學習中,訓練神經(jīng)網(wǎng)絡(luò)模型對數(shù)據(jù)量需求巨大,現(xiàn)有數(shù)據(jù)增強手段多為旋轉(zhuǎn)、翻轉(zhuǎn)等簡單幾何變換,
無法有效改變圖片特征,易使模型陷入過擬合困境,導致泛化能力欠佳。
捷順科技的這項專利,引入生成式對抗網(wǎng)絡(luò)(GAN)技術(shù),通過訓練初始生成模型,得到能根據(jù)輸入圖片語義信息生成增強圖片的目標生成模型。具體實施時,先獲取待增強圖片,根據(jù)其標簽值確定目標圖片類別,進而明確目標語義信息;將待增強圖片輸入目標生成模型,利用預設(shè)向量生成規(guī)則生成目標語義向量,二者結(jié)合生成目標增強圖片。
該專利技術(shù)生成的增強數(shù)據(jù),能有效改變圖片特征,減少神經(jīng)網(wǎng)絡(luò)模型過擬合現(xiàn)象,顯著提升模型泛化能力,為圖像處理深度學習領(lǐng)域注入新的活力,在眾多依賴圖像數(shù)據(jù)處理的行業(yè)中具有極高的應(yīng)用價值。
No.3
智慧通行+AI、大數(shù)據(jù)、物聯(lián)網(wǎng)技術(shù)的融合與應(yīng)用
不止于車牌識別,2024年,捷順科技在三維人臉識別、車牌識別模型創(chuàng)建、人證對比模型訓練等領(lǐng)域已獲得授權(quán)專利十余項(下期詳細介紹),不僅展現(xiàn)了其在智慧通行領(lǐng)域的技術(shù)實力,也彰顯了其在大數(shù)據(jù)和物聯(lián)網(wǎng)領(lǐng)域的深厚積累。
通過AI技術(shù)、大數(shù)據(jù)、物聯(lián)網(wǎng)等領(lǐng)域的領(lǐng)先技術(shù),捷順科技不斷夯實產(chǎn)品服務(wù)含金量,不僅為停車場通行提供99.99%的高精度車牌識別率,還為停車場的防逃費、防偽識別場景,車位用戶的停車供需撮合,停車場的經(jīng)營管理分析,以及社區(qū)、園區(qū)的整體經(jīng)營管理場景,提供專業(yè)的產(chǎn)品與解決方案,深入客戶業(yè)務(wù)場景解決客戶痛點,助力城市數(shù)字化升級。
版權(quán)與免責聲明:
凡本站注明“來源:智能制造網(wǎng)”的所有作品,均為浙江興旺寶明通網(wǎng)絡(luò)有限公司-智能制造網(wǎng)合法擁有版權(quán)或有權(quán)使用的作品,未經(jīng)本站授權(quán)不得轉(zhuǎn)載、摘編或利用其它方式使用上述作品。已經(jīng)本網(wǎng)授權(quán)使用作品的,應(yīng)在授權(quán)范圍內(nèi)使用,并注明“來源:智能制造網(wǎng)”。違反上述聲明者,本站將追究其相關(guān)法律責任。
本站轉(zhuǎn)載并注明自其它來源(非智能制造網(wǎng))的作品,目的在于傳遞更多信息,并不代表本站贊同其觀點或和對其真實性負責,不承擔此類作品侵權(quán)行為的直接責任及連帶責任。如其他媒體、平臺或個人從本站轉(zhuǎn)載時,必須保留本站注明的作品第一來源,并自負版權(quán)等法律責任。如擅自篡改為“稿件來源:智能制造網(wǎng)”,本站將依法追究責任。
鑒于本站稿件來源廣泛、數(shù)量較多,如涉及作品內(nèi)容、版權(quán)等問題,請與本站聯(lián)系并提供相關(guān)證明材料:聯(lián)系電話:0571-89719789;郵箱:1271141964@qq.com。