CN108133236A - 一种城市管理图像智能识别分类的方法、集成装置及系统 - Google Patents
一种城市管理图像智能识别分类的方法、集成装置及系统 Download PDFInfo
- Publication number
- CN108133236A CN108133236A CN201711419329.1A CN201711419329A CN108133236A CN 108133236 A CN108133236 A CN 108133236A CN 201711419329 A CN201711419329 A CN 201711419329A CN 108133236 A CN108133236 A CN 108133236A
- Authority
- CN
- China
- Prior art keywords
- classification
- city management
- image
- image data
- city
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
- G06V10/95—Hardware or software architectures specially adapted for image or video understanding structured as a network, e.g. client-server architectures
Abstract
本发明实施例公开了一种城市管理图像智能识别分类的方法、集成装置及系统,本发明使得城市管理事件响应系统能够根据所述城市管理图像数据的类别进行实时的事件处理,解决了现有的方案不能自动识别城市管理图像数据的类别,需要人工识别并且响应不及时的问题,从而大大提高了城市管理事件处理效率。识别分类方法包括:接收城市管理图像数据,所述城市管理图像数据由摄像设备产生,为各种城市管理事件的图像信息;使用群智算法和众包算法对历史存储的城市管理图像数据进行分类标注,并使用分类标注后的城市管理图像数据自动训练人工智能图像分类识别算法,所述的人工智能图像分类识别算法进而对所述的城市管理图像数据进行分类识别。
Description
技术领域
本发明涉及图像识别分类技术领域,特别涉及一种城市管理图像智能识别分类的方法、集成装置及系统。
背景技术
在城市管理领域,往往有很多城市管理图像数据,如违章停车事件的图像,道路积水事件的图像等需要处理,城市管理事件响应系统需要根据图像的类别进行相应的事件处理,所以在事件处置之前要尽快知道图像的类别。
当前常用的技术不能做到准确实时地自动获得城市管理图像的类别信息,需要人工来辅助完成,大大拉低了城市管理事件的处置效率。
因此需要一种高效的自动的城市管理图像识别分类方法,来自动完成城市管理图像数据的识别分类工作,快速获取城市管理图像的分类信息,从而提供城市管理事件的处置效率。
发明内容
本发明的实施例提供一种城市管理图像智能识别分类的方法,装置及系统,以实现城市管理图像的自动识别分类,从而提高城市管理事件处理效率。
为达到上述目的,本发明的实施例提供如下技术方案:
一种城市管理图像智能识别分类的方法,包括:
接收城市管理图像数据,所述城市管理图像数据由摄像设备产生;
使用人工智能图像分类识别算法对所述的城市管理图像数据进行分类识别,得到分类识别结果。
作为一种可实施方式,所述城市管理图像数据为各种城市管理事件的图像信息。
作为一种可实施方式,所述人工智能图像分类识别算法的输入为城市管理图像数据,输出为该城市管理图像的类别。
作为一种可实施方式,所述人工智能图像分类识别算法通过使用深度学习技术在分类标注后的城市管理图像数据训练获得图像分类模型。
作为一种可实施方式,所述分类标注后的城市管理图像数据通过使用群智算法和众包算法对历史存储的城市管理图像数据进行分类标注获得。
一种集成装置,包括:
接收单元,用于接收城市管理图像数据,所述城市管理图像数据由摄像设备产生,为各种城市管理事件的图像信息;
推送单元,用于使用群智算法和众包算法对历史存储的城市管理图像数据进行分类标注,并利用分类标注后的城市管理图像数据训练人工智能图像分类识别算法;用于使用所述的人工智能图像分类识别算法对所述的城市管理图像数据进行分类识别,并将分类识别结果进行推送。
作为一种可实施方式,所述推送单元包括:
图像数据标注模块,用于使用群智算法和众包算法对历史存储的城市管理图像数据进行分类标注;
图像分类算法训练模块,用于使用分类标注后的城市管理图像数据训练人工智能图像分类识别算法;
图像分类模块,用于使用所述的人工智能城市管理图像分类识别算法对所述的城市管理图像数据进行分类识别,并将识别结果进行推送。
作为一种可实施方式,所述图像分类模块对城市管理图像的分类过程是实时进行的。
一种城市管理图像智能识别分类的系统,包括城市管理图像转接设备,集成装置和城市管理事件响应系统;
所述城市管理图像转接设备,用于在接收城市管理图像数据时,将所述城市管理图像数据向所述集成装置推送;
所述集成装置,使用人工智能图像分类识别算法对所述的城市管理图像数据进行识别分类,并将分类结果推送给所述城市管理事件响应系统;
所述城市管理事件响应系统,用于在接收到所述城市管理图像数据的分类结果后根据所述城市管理图像的类别来指派与该类别相对应的资源进行事件处理。
本发明实施例提供的一种城市管理图像智能识别分类的方法,装置及系统,由于使用群智算法和众包算法对历史存储的城市管理图像数据进行分类标注,并利用分类标注后的城市管理图像数据训练人工智能图像分类识别算法,以及使用所述的人工智能图像分类识别算法对所述的城市管理图像数据进行分类识别,并将识别结果发送给城市管理事件响应系统进行实时事件处理。这样使得城市管理事件响应系统能够根据所述城市管理图像数据的类别进行实时的事件处理,解决了现有的方案不能自动识别城市管理图像数据的类别,需要人工识别并且响应不及时的问题,从而大大提高了城市管理事件处理效率。
附图说明
图1是本发明实施例提供的城市管理图像智能识别分类的方法的流程图;
图2是本发明实施例提供的一种集成装置的结构示意;
图3是本发明实施例提供的另一种集成装置的结构示意;
图4是本发明实施例提供的城市管理图像智能识别分类的系统的结构示意图。
具体实施方式
下面将结合附图,通过具体实施例,对本发明的技术方案进行清楚、完整的描述。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域的普通技术人员在没有创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供的一种城市管理图像智能识别分类的方法,所述方法包括:
步骤101、城市管理图像接收设备接收城市管理图像数据,并实时推送给集成装置。
其中,所述城市管理图像数据由摄像设备产生,为各种城市管理事件的图像数据,可以是例如违章停车图像,路面积水图像等,但不仅局限于此。
具体的,所述集成装置在所述城市管理图像转接设备推送数据时,应用一个图像接收函数(Image Receive函数)中的一个图像数据接收类(Image Data类)来接收所述城市管理图像转接设备推送的图像数据,其中所述Image Data类中有一个图像元数据映射表(Image Meta Data映射表),用来存储图像数据的元数据,例如:拍摄时间,地点等,所述映射表是可以动态配置的,但不局限于此。
需要明白,图像元数据映射表只是实现元数据信息存储的一种数据结构而非限制性要求;完全可以使用其他数据结构,如数组,哈希表等实现元数据信息存储。
步骤102、集成装置使用群智算法和众包算法对历史存储的城市管理图像数据进行分类标注。
具体的,所述集成装置应用一个第一图像读取函数(Image Read函数)从历史存储的城市管理图像数据库中读取图像数据,并把读取到的所有图像数据存放到一个由图像数据接收类(Image Data类)组成的图像数据链表(Image Data List)中;接着所述集成装置应用一个群智算法函数(Social Tagging函数)对图像数据链表中的图像数据进行分类标注,并把分类标注信息存入图像分类标注数据库中;然后所述集成装置应用一个众包算法函数(Crowd Sourcing)函数对所述图像分类标注数据库中分类标注准确率在90%以下的图像数据进行再次分类标注;最后所述集成装置把所述众包算法函数返回的准确标注信息存入所述图像分类标注数据库。
需要明白,图像分类标注数据库只是实现元图像分类标注数据存储的一种技术手段而非限制性要求;完全可以使用其他数据存储技术,如文件系统等,实现图像分类标注数据的存储。
步骤103、集成装置使用分类标注后的城市管理图像数据训练人工智能图像分类识别算法。
具体的,所述集成装置应用一个图像标注数据读取函数(Image Tag Read函数)从所述图像分类标注数据库中读取图像分类标注数据,并把读取到的所有图像分类标注数据存放到一个由图像标注接收类(Image Tag Data类)组成的图像标注数据链表(Image TagData List)中;然后所述集成装置应用一个卷积神经网络训练函数(CNN Train函数)读取所述图像标注数据链表的数据进行处理并得到一个人工智能城市管理图像识别分类算法。
应当注意的是,卷积神经网络训练函数是为了得到比较准确的人工智能城市管理图像识别分类算法,仅仅是所述应用装置获得人工智能城市管理图像识别分类算法的一种实现方式而非限制性要求。
步骤104、集成装置使用所述的人工智能城市管理图像分类识别算法对所述的城市管理图像数据进行分类识别,并将识别结果推送给所述城市管理事件响应系统。
具体的,所述集成装置应用一个图像元数据读取函数(Image Meta Read函数)来读取步骤101中接收到的所述图像数据接收类(Image Data类)的图像元数据映射表(ImageMeta Data映射表);接着所述集成装置应用步骤103中所述的人工智能城市管理图像分类识别算法函数(Image Recognize函数)对图像数据进行识别分类并获得图像分类结果;最后应用一个图像分类结果发送函数(Image Category Result Push函数)将图像分类结果推送给所述城市管理事件响应系统。
应当注意的是,使用图像分类结果发送函数(Image Category Result Push函数)只是实现图像分类结果推送的分类的一种技术手段而非限制性要求;完全可以通过其他技术手段,如存取数据库,消息队列等实现图像分类结果的推送。
步骤105、城市管理事件响应系统接收到所述城市管理图像的分类结果信息,并根据所述城市管理图像的类别来指派与该类别相对应的资源进行事件处理。
具体的,所述城市管理事件响应系统应用一个图像分类结果接收函数(ImageCategory Result Receive函数)来接收所述的城市管理图像分类结果;然后所述城市管理事件响应系统应用一个城市管理事件响应函数(Image Event Response函数)来根据城市管理图像的类别来指派与该类别相对应的资源进行事件处理。
可见,本发明实施例提供的一种城市管理图像智能识别分类的方法,由于使用群智算法和众包算法对历史存储的城市管理图像数据进行分类标注,并利用分类标注后的城市管理图像数据训练人工智能图像分类识别算法,以及使用所述的人工智能图像分类识别算法对所述的城市管理图像数据进行分类识别,并将识别结果发送给城市管理事件响应系统进行实时事件处理。这样使得城市管理事件响应系统能够根据所述城市管理图像数据的类别进行实时的事件处理,解决了现有的方案不能自动识别城市管理图像数据的类别,需要人工识别并且响应不及时的问题,从而大大提高了城市管理事件处理效率。
如图2所示,本发明实施例提供的一种集成装置,包括:
接收单元21,用于接收城市管理图像数据,所述城市管理图像数据由摄像设备产生,为各种城市管理事件,违规停车,地面积水等的图像信息。其具体实现方式参加图1中步骤101所示,此处不再赘述。
推送单元22,用于使用群智算法和众包算法对历史存储的城市管理图像数据进行分类标注,并利用分类标注后的城市管理图像数据训练人工智能图像分类识别算法;用于使用所述的人工智能图像分类识别算法对所述的城市管理图像数据进行分类识别,并将识别结果发送给城市管理事件响应系统进行事件处理,以使得所述城市管理事件响应系统根据所述城市管理图像的类别来指派与该类别相对应的资源进行事件处理。其具体实现方式参加图1中步骤102,步骤103和步骤104所示,此处不再赘述。
进一步的,如图3所示,所述推送单元32包括:
图像数据标注模块221,用于使用群智算法和众包算法对历史存储的城市管理图像数据进行分类标注,其具体实现方式参加图1中步骤102所示,此处不再赘述。
图像分类算法训练模块222,用于使用分类标注后的城市管理图像数据训练人工智能图像分类识别算法。其具体实现方式参加图1中步骤103所示,此处不再赘述。
图像分类模块223,用于使用所述的人工智能城市管理图像分类识别算法对所述的城市管理图像数据进行分类识别,并将识别结果推送给所述城市管理事件响应系统。其具体实现方式参加图1中步骤104所示,此处不再赘述。
可见,本发明实施例提供的一种城市管理图像智能识别分类的集成装置,由于使用群智算法和众包算法对历史存储的城市管理图像数据进行分类标注,并利用分类标注后的城市管理图像数据训练人工智能图像分类识别算法,以及使用所述的人工智能图像分类识别算法对所述的城市管理图像数据进行分类识别,并将识别结果发送给城市管理事件响应系统进行实时事件处理。这样使得城市管理事件响应系统能够根据所述城市管理图像数据的类别结果进行实时的事件处理,解决了现有的方案不能自动识别城市管理图像数据的类别,需要人工识别并且响应不及时的问题,从而大大提高了城市管理事件处理效率。
本发明实施例提供的一种城市管理图像智能识别分类的系统,如图4所示,包括城市管理图像转接设备31,集成装置32和城市管理事件响应系统33。
所述城市管理图像转接设备31,用于在接收城市管理图像数据时,将所述城市管理图像数据向所述集成装置推送,所述城市管理图像数据为各种城市管理事件,如违规停车,地面积水等的图像信息。其具体实现方式参加图1中步骤101所示,此处不再赘述。
所述集成装置32,用于使用群智算法和众包算法对历史存储的城市管理图像数据进行分类标注,并利用分类标注后的城市管理图像数据训练人工智能图像分类识别算法;用于使用所述的人工智能图像分类识别算法对所述的城市管理图像数据进行分类识别,并将识别结果推送给所述城市管理事件响应系统。其具体实现方式参加图1中步骤102,步骤103和步骤104所示,此处不再赘述。
所述城市管理事件响应系统33,用于在接收到所述城市管理图像数据的分类信息后根据所述城市管理图像的类别来指派与该类别相对应的资源进行事件处理。其具体实现方式参加图1中步骤105所示,此处不再赘述。
具体的,所述集成装置32能够将所述城市管理图像转接设备31和所述城市管理事件响应系统33集成为同一个系统,本发明实施例的一种城市管理图像智能识别分类的系统包括的所述城市管理图像转接设备31、集成装置32、城市管理事件响应系统33可以部署在同一节点上,也可以部署在不同的节点上,但不仅局限于此。
可见,本发明实施例提供的一种城市管理图像智能识别分类的系统,由于使用群智算法和众包算法对历史存储的城市管理图像数据进行分类标注,并利用分类标注后的城市管理图像数据训练人工智能图像分类识别算法,以及使用所述的人工智能图像分类识别算法对所述的城市管理图像数据进行分类识别,并将识别结果发送给城市管理事件响应系统进行实时事件处理。这样使得城市管理事件响应系统能够根据所述城市管理图像数据的类别进行实时的事件处理,解决了现有的方案不能自动识别城市管理图像数据的类别,需要人工识别并且响应不及时的问题,从而大大提高了城市管理事件处理效率。
专业人员应该还可以进一步意识到,结合本发明中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块、或者二者的结合来实施。软件模块可以置于随机存储器RAM、内存、只读存储器ROM、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何相关的技术人员在本发明揭露的技术范围内,可轻易想到的替换或变化,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.一种城市管理图像智能识别分类的方法,其特征在于,包括:
接收城市管理图像数据,所述城市管理图像数据由摄像设备产生;
使用人工智能图像分类识别算法对所述的城市管理图像数据进行分类识别,得到分类识别结果。
2.根据权利要求1所述的一种城市管理图像智能识别分类的方法,其特征在于,所述城市管理图像数据为各种城市管理事件的图像信息。
3.根据权利要求1所述的一种城市管理图像智能识别分类的方法,其特征在于,所述人工智能图像分类识别算法的输入为城市管理图像数据,输出为该城市管理图像的类别。
4.根据权利要求1所述的一种城市管理图像智能识别分类的方法,其特征在于,所述人工智能图像分类识别算法通过使用深度学习技术在分类标注后的城市管理图像数据训练获得图像分类模型。
5.根据权利要求4所述的一种城市管理图像智能识别分类的方法,其特征在于,所述分类标注后的城市管理图像数据通过使用群智算法和众包算法对历史存储的城市管理图像数据进行分类标注获得。
6.一种集成装置,其特征在于,包括:
接收单元,用于接收城市管理图像数据,所述城市管理图像数据由摄像设备产生,为各种城市管理事件的图像信息;
推送单元,用于使用群智算法和众包算法对历史存储的城市管理图像数据进行分类标注,并利用分类标注后的城市管理图像数据训练人工智能图像分类识别算法;用于使用所述的人工智能图像分类识别算法对所述的城市管理图像数据进行分类识别,并将分类识别结果进行推送。
7.根据权利要求6所述的集成装置,其特征在于,所述推送单元包括:
图像数据标注模块,用于使用群智算法和众包算法对历史存储的城市管理图像数据进行分类标注;
图像分类算法训练模块,用于使用分类标注后的城市管理图像数据训练人工智能图像分类识别算法;
图像分类模块,用于使用所述的人工智能城市管理图像分类识别算法对所述的城市管理图像数据进行分类识别,并将识别结果进行推送。
8.根据权利要求7所述的集成装置,其特征在于,所述图像分类模块对城市管理图像的分类过程是实时进行的。
9.一种城市管理图像智能识别分类的系统,其特征在于,包括城市管理图像转接设备,集成装置和城市管理事件响应系统;
所述城市管理图像转接设备,用于在接收城市管理图像数据时,将所述城市管理图像数据向所述集成装置推送;
所述集成装置,使用人工智能图像分类识别算法对所述的城市管理图像数据进行识别分类,并将分类结果推送给所述城市管理事件响应系统;
所述城市管理事件响应系统,用于在接收到所述城市管理图像数据的分类结果后根据所述城市管理图像的类别来指派与该类别相对应的资源进行事件处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711419329.1A CN108133236A (zh) | 2017-12-25 | 2017-12-25 | 一种城市管理图像智能识别分类的方法、集成装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711419329.1A CN108133236A (zh) | 2017-12-25 | 2017-12-25 | 一种城市管理图像智能识别分类的方法、集成装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108133236A true CN108133236A (zh) | 2018-06-08 |
Family
ID=62392771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711419329.1A Pending CN108133236A (zh) | 2017-12-25 | 2017-12-25 | 一种城市管理图像智能识别分类的方法、集成装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108133236A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109101547A (zh) * | 2018-07-05 | 2018-12-28 | 北京泛化智能科技有限公司 | 用于野生动物的管理方法及装置 |
CN110458082A (zh) * | 2019-08-05 | 2019-11-15 | 城云科技(中国)有限公司 | 一种城市管理案件分类识别方法 |
CN112488659A (zh) * | 2020-12-11 | 2021-03-12 | 浪潮云信息技术股份公司 | 一种基于遥感的城市事件智能发现及自动派单的方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105022835A (zh) * | 2015-08-14 | 2015-11-04 | 武汉大学 | 一种群智感知大数据公共安全识别方法及系统 |
CN105205503A (zh) * | 2015-08-28 | 2015-12-30 | 重庆恢恢信息技术有限公司 | 基于众包主动学习用于检测异常图片的方法 |
CN106210615A (zh) * | 2015-04-30 | 2016-12-07 | 北京文安智能技术股份有限公司 | 一种城市管理自动监测方法、装置及系统 |
-
2017
- 2017-12-25 CN CN201711419329.1A patent/CN108133236A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106210615A (zh) * | 2015-04-30 | 2016-12-07 | 北京文安智能技术股份有限公司 | 一种城市管理自动监测方法、装置及系统 |
CN105022835A (zh) * | 2015-08-14 | 2015-11-04 | 武汉大学 | 一种群智感知大数据公共安全识别方法及系统 |
CN105205503A (zh) * | 2015-08-28 | 2015-12-30 | 重庆恢恢信息技术有限公司 | 基于众包主动学习用于检测异常图片的方法 |
Non-Patent Citations (2)
Title |
---|
CHENYI LEI 等: "Social Diffusion Analysis With Common-Interest Model for Image Annotation", 《IEEE TRANSACTIONS ON MULTIMEDIA》 * |
OLIVIER GLASSEY 等: "Folksonomies: Spontaneous crowd sourcing with online early detection potential", 《ELSEVIER》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109101547A (zh) * | 2018-07-05 | 2018-12-28 | 北京泛化智能科技有限公司 | 用于野生动物的管理方法及装置 |
CN109101547B (zh) * | 2018-07-05 | 2021-11-12 | 北京泛化智能科技有限公司 | 用于野生动物的管理方法及装置 |
CN110458082A (zh) * | 2019-08-05 | 2019-11-15 | 城云科技(中国)有限公司 | 一种城市管理案件分类识别方法 |
CN110458082B (zh) * | 2019-08-05 | 2022-05-03 | 城云科技(中国)有限公司 | 一种城市管理案件分类识别方法 |
CN112488659A (zh) * | 2020-12-11 | 2021-03-12 | 浪潮云信息技术股份公司 | 一种基于遥感的城市事件智能发现及自动派单的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104573669B (zh) | 图像物体检测方法 | |
CN110288001B (zh) | 基于目标数据特征训练学习的目标识别方法 | |
Sherley et al. | Spotting the difference: towards fully-automated population monitoring of African penguins Spheniscus demersus | |
CN109582793A (zh) | 模型训练方法、客服系统及数据标注系统、可读存储介质 | |
CN108875816A (zh) | 融合置信度准则和多样性准则的主动学习样本选择策略 | |
CN105590099B (zh) | 一种基于改进卷积神经网络的多人行为识别方法 | |
CN103198493B (zh) | 一种基于多特征自适应融合和在线学习的目标跟踪方法 | |
CN110119662A (zh) | 一种基于深度学习的垃圾种类识别系统 | |
CN110135231A (zh) | 动物面部识别方法、装置、计算机设备和存储介质 | |
CN108133236A (zh) | 一种城市管理图像智能识别分类的方法、集成装置及系统 | |
CN105574550A (zh) | 一种车辆识别方法及装置 | |
CN106682696A (zh) | 基于在线示例分类器精化的多示例检测网络及其训练方法 | |
EP3933345A3 (en) | Road event detection method, apparatus, device and storage medium | |
CN110163236A (zh) | 模型的训练方法和装置、存储介质、电子装置 | |
CN112052826A (zh) | 基于YOLOv4算法的智慧执法多尺度目标检测方法、装置、系统及存储介质 | |
CN106407369A (zh) | 一种基于深度学习人脸识别的照片管理方法和系统 | |
CN106164896A (zh) | 用于发现复杂两对手方或多对手方关系的多维递归学习过程及系统 | |
CN104331712A (zh) | 一种藻类细胞图像自动分类方法 | |
CN103927510A (zh) | 图像识别装置和图像识别方法 | |
CN108596038A (zh) | 一种结合形态学分割和神经网络的粪便中红细胞识别方法 | |
CN105426908A (zh) | 一种基于卷积神经网络的变电站属性分类方法 | |
CN110458082A (zh) | 一种城市管理案件分类识别方法 | |
CN108304890A (zh) | 一种分类模型的生成方法及装置 | |
DE112019003414T5 (de) | Videoüberwachung mit neuronalen Netzen | |
CN112036166A (zh) | 一种数据标注方法、装置、存储介质及计算机设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180608 |