CN109325420A - 一种基于大数据的车辆特征检索方法和系统 - Google Patents
一种基于大数据的车辆特征检索方法和系统 Download PDFInfo
- Publication number
- CN109325420A CN109325420A CN201810980870.8A CN201810980870A CN109325420A CN 109325420 A CN109325420 A CN 109325420A CN 201810980870 A CN201810980870 A CN 201810980870A CN 109325420 A CN109325420 A CN 109325420A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- big data
- retrieved
- image
- structure feature
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Abstract
本发明公开了一种基于大数据的车辆特征检索方法和系统,其中方法步骤为:采集路过车辆的图像,并对其进行车辆特征计算后存入大数据数据库,所述车辆特征包括有车辆结构化特征和车辆抽象特征;获取待检索车辆图像并计算其车辆特征;根据待检索车辆图像中的车辆特征以及检索条件在大数据数据库中检索对比;输出检索对比结果。本发明通过构建数据的过程中提取车辆的结构化特征和车辆抽象特征,进行二次识别,避免拍摄角度不同造成数值特征差别较大而难以检索的问题;同时对车辆特征进行二次识别将车辆特征分类细化,适用于在大数据量的数据库中进行快速准确的特征匹配。本发明作为一种基于大数据的车辆特征检索方法和系统可广泛应用于大数据领域。
Description
技术领域
本发明涉及大数据领域,尤其是一种基于大数据的车辆特征检索方法和系统。
背景技术
目前,车辆特征的检索比较耗时,由于需要将数据库中的数据读出,在后台服务器中完成特征比对,因此当数据量到达千万级、亿级时,就非常耗时。有时只能进行少量数据的特征检索,无法进行完整数据的检索。例如基于深度学习实现交通卡口车辆图片检索的系统及方法(CN105320759A),其技术方案中使用深度学习模型来计算出图像对应的特征向量,并使用该特征向量进行特征比对,从而实现车辆检索功能,但是在实际应用过程中具体存在以下问题:
(1)由于卡口图片中,同一车辆经过不同的卡口时,由于车辆的姿态可能存在较大的区别,造成其数值特征存在较大的差别,所计算出的相似度值并不能准确反映两张图片中的车辆为同一车辆;
(2)交通系统的过车记录到达亿级是很常见的,面对这么大的数据量,在程序中进行特征比对是一个非常耗时的过程,要花费非常长的时间才能完成。
发明内容
为了解决上述技术问题,本发明的目的是:提供一种基于车辆结构化特征和数值特征向量相结合的数据库的车辆特征检索方法。
为了解决上述技术问题,本发明的另一目的是:提供一种基于车辆结构化特征和数值特征向量相结合的数据库的车辆特征检索系统。
本发明所采用的技术方案是:一种基于大数据的车辆特征检索方法,包括有以下步骤:
A、采集路过车辆的图像,并对路过车辆的图像进行车辆特征计算,将计算得到的车辆特征存入大数据数据库;所述车辆特征包括有车辆结构化特征和车辆抽象特征;
B、获取待检索车辆图像,计算待检索车辆图像中的车辆特征;
C、根据待检索车辆图像中的车辆特征以及检索条件在大数据数据库中检索对比;
D、输出检索对比结果。
进一步,所述车辆结构化特征包括有车牌号码、车牌颜色、车身颜色、车辆类型、车辆品牌、车辆款型、年检标志、安全带、车内挂饰和遮阳板。
进一步,所述车辆抽象特征为采用深度学习模型计算得到的车辆抽象特征向量。
进一步,所述步骤C中检索对比的具体步骤为:
C1、分别计算待检索车辆图像中的车辆结构化特征与大数据数据库中车辆结构化特征的相似度、待检索车辆图像中的车辆抽象特征与大数据数据库中车辆抽象特征的相似度;
C2、计算上述步骤C1中得到的两个相似度的加权平均值;
C3、根据上述步骤C2中得到的加权平均值判断是否检索到相同车辆。
进一步,所述步骤C1中计算待检索车辆图像中的车辆结构化特征与大数据数据库中车辆结构化特征的相似度的过程中:先计算待检索车辆图像中的每一类车辆结构化特征与大数据数据库中相应类别的车辆结构化特征的相似度,然后对上述计算得到的每一类车辆结构化特征的相似度计算加权平均值。
本发明所采用的另一技术方案是:一种基于大数据的车辆特征检索系统,包括有
大数据数据库模块,用于采集路过车辆的图像,并对路过车辆的图像进行车辆特征计算,将计算得到的车辆特征存入大数据数据库;所述车辆特征包括有车辆结构化特征和车辆抽象特征;
特征计算模块,用于计算路过车辆的图像或待检索车辆图像中的车辆特征;
检索对比模块,用于根据待检索车辆图像中的车辆特征以及检索条件在大数据数据库中进行检索对比;
输出模块,用于输出检索对比结果。
进一步,所述车辆结构化特征包括有车牌号码、车牌颜色、车身颜色、车辆类型、车辆品牌、车辆款型、年检标志、安全带、车内挂饰和遮阳板。
进一步,所述车辆抽象特征为采用深度学习模型计算得到的车辆抽象特征向量。
进一步,所述检索对比模块具体包括有
相似度计算子模块,用于分别计算待检索车辆图像中的车辆结构化特征与大数据数据库中车辆结构化特征的相似度、待检索车辆图像中的车辆抽象特征与大数据数据库中车辆抽象特征的相似度;
加权平均子模块,用于对相似度计算子模块中计算得到的两个相似度计算加权平均值;
判断子模块,用于根据加权平均值判断是否检索到相同车辆。
进一步,所述相似度计算子模块在计算待检索车辆图像中的车辆结构化特征与大数据数据库中车辆结构化特征的相似度时:先计算待检索车辆图像中的每一类车辆结构化特征与大数据数据库中相应类别的车辆结构化特征的相似度,然后对上述计算得到的每一类车辆结构化特征的相似度计算加权平均值。
本发明的有益效果是:本发明通过构建数据的过程中提取车辆的结构化特征和车辆抽象特征,对车辆特征进行二次识别,能够避免因拍摄角度不同造成数值特征差别较大,因而难以检索的问题;同时,由于对车辆特征进行二次识别将车辆特征分类细化,适用于在大数据量的大数据数据库中进行快速准确的特征匹配。
附图说明
图1为本发明方法的步骤流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明:
参照图1,一种基于大数据的车辆特征检索方法,包括有以下步骤:
A、采集路过车辆的图像,并对路过车辆的图像进行车辆特征计算,将计算得到的车辆特征存入大数据数据库;所述车辆特征包括有车辆结构化特征和车辆抽象特征;
本发明实施方式中的车辆特征比对基于车辆结构化特征及车辆抽象特征,根据大数据特点,直接在大数据数据库中完成特征比对过程,实现巨量数据的快速精准检索,为道路交通的管理及案件侦破提供有力支撑。
B、获取待检索车辆图像,计算待检索车辆图像中的车辆特征;
C、根据待检索车辆图像中的车辆特征以及检索条件在大数据数据库中检索对比;
其中检索条件可以是某些已知的车辆结构化特征,例如已知车牌号,则可以直接根据车牌号与大数据数据库中的相应车辆结构化特征(车牌号码)进行检索对比,提高检索效率;
D、输出检索对比结果。
进一步作为优选的实施方式,所述车辆结构化特征包括有车牌号码、车牌颜色、车身颜色、车辆类型、车辆品牌、车辆款型、年检标志、安全带、车内挂饰和遮阳板。
本发明实施方式中对车辆结构化特征进行细化分类,在大数据检索中直接根据细化特征进行搜索,搜索效率更高;并且,由于对车辆特征进行结构化识别和存储,本发明方法能够实现根据不同的检索条件进行操作,相对于现有技术中仅采用特征向量进行特征比对来实现车辆检索,本发明的检索方式更加灵活,检索效率更高。
进一步作为优选的实施方式,所述车辆抽象特征为采用深度学习模型计算得到的车辆抽象特征向量,目前车辆特征向量维度为1024×1。
进一步作为优选的实施方式,所述步骤C中检索对比的具体步骤为:
C1、分别计算待检索车辆图像中的车辆结构化特征与大数据数据库中车辆结构化特征的相似度、待检索车辆图像中的车辆抽象特征与大数据数据库中车辆抽象特征的相似度;
对于车辆结构化特征,可根据重要性对不同的信息赋予相应的权重,从而得到待检索车辆图像中的车辆结构化特征与大数据数据库中车辆结构化特征的相似度,便于后续步骤的计算;因此,进一步作为优选的实施方式,所述步骤C1中计算待检索车辆图像中的车辆结构化特征与大数据数据库中车辆结构化特征的相似度的过程中:先计算待检索车辆图像中的每一类车辆结构化特征与大数据数据库中相应类别的车辆结构化特征的相似度,然后对上述计算得到的每一类车辆结构化特征的相似度计算加权平均值。
对于车辆抽象特征,即维度为1024×1的向量,先计算需要比较的两个车辆抽象特征的向量的欧氏距离,将欧氏距离归一化到[0,1]范围,从而得到对应车辆抽象特征的相似度;
C2、计算上述步骤C1中得到的两个相似度的加权平均值;
C3、根据上述步骤C2中得到的加权平均值判断是否检索到相同车辆。
进一步作为优选的实施方式,为实现上述大数据数据库中车辆特征对比,可在大数据数据库中设置车辆特征对比接口,具体包括:
将udf函数上传到HDFS服务器,并在impala shell中注册该函数;
车辆特征检索时,通过imapla的sql语句调用该函数,即可完成检索。
对应上述一种基于大数据的车辆特征检索方法,本发明具体实施方式实现一种基于大数据的车辆特征检索系统,包括有
大数据数据库模块,用于采集路过车辆的图像,并对路过车辆的图像进行车辆特征计算,将计算得到的车辆特征存入大数据数据库;所述车辆特征包括有车辆结构化特征和车辆抽象特征;
特征计算模块,用于计算路过车辆的图像或待检索车辆图像中的车辆特征;
检索对比模块,用于根据待检索车辆图像中的车辆特征以及检索条件在大数据数据库中进行检索对比;
输出模块,用于输出检索对比结果。
进一步作为优选的实施方式,所述车辆结构化特征包括有车牌号码、车牌颜色、车身颜色、车辆类型、车辆品牌、车辆款型、年检标志、安全带、车内挂饰和遮阳板。
进一步作为优选的实施方式,所述车辆抽象特征为采用深度学习模型计算得到的车辆抽象特征向量。
进一步作为优选的实施方式,所述检索对比模块具体包括有
相似度计算子模块,用于分别计算待检索车辆图像中的车辆结构化特征与大数据数据库中车辆结构化特征的相似度、待检索车辆图像中的车辆抽象特征与大数据数据库中车辆抽象特征的相似度;
加权平均子模块,用于对相似度计算子模块中计算得到的两个相似度计算加权平均值;
判断子模块,用于根据加权平均值判断是否检索到相同车辆。
进一步作为优选的实施方式,所述相似度计算子模块在计算待检索车辆图像中的车辆结构化特征与大数据数据库中车辆结构化特征的相似度时:先计算待检索车辆图像中的每一类车辆结构化特征与大数据数据库中相应类别的车辆结构化特征的相似度,然后对上述计算得到的每一类车辆结构化特征的相似度计算加权平均值。
以上是对本发明的较佳实施进行了具体说明,但本发明创造并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可以作出种种的等同变换或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种基于大数据的车辆特征检索方法,其特征在于,包括有以下步骤:
A、采集路过车辆的图像,并对路过车辆的图像进行车辆特征计算,将计算得到的车辆特征存入大数据数据库;所述车辆特征包括有车辆结构化特征和车辆抽象特征;
B、获取待检索车辆图像,计算待检索车辆图像中的车辆特征;
C、根据待检索车辆图像中的车辆特征以及检索条件在大数据数据库中检索对比;
D、输出检索对比结果。
2.根据权利要求1所述的一种基于大数据的车辆特征检索方法,其特征在于:所述车辆结构化特征包括有车牌号码、车牌颜色、车身颜色、车辆类型、车辆品牌、车辆款型、年检标志、安全带、车内挂饰和遮阳板。
3.根据权利要求1所述的一种基于大数据的车辆特征检索方法,其特征在于:所述车辆抽象特征为采用深度学习模型计算得到的车辆抽象特征向量。
4.根据权利要求1所述的一种基于大数据的车辆特征检索方法,其特征在于:所述步骤C中检索对比的具体步骤为:
C1、分别计算待检索车辆图像中的车辆结构化特征与大数据数据库中车辆结构化特征的相似度、待检索车辆图像中的车辆抽象特征与大数据数据库中车辆抽象特征的相似度;
C2、计算上述步骤C1中得到的两个相似度的加权平均值;
C3、根据上述步骤C2中得到的加权平均值判断是否检索到相同车辆。
5.根据权利要求4所述的一种基于大数据的车辆特征检索方法,其特征在于,所述步骤C1中计算待检索车辆图像中的车辆结构化特征与大数据数据库中车辆结构化特征的相似度的过程中:先计算待检索车辆图像中的每一类车辆结构化特征与大数据数据库中相应类别的车辆结构化特征的相似度,然后对上述计算得到的每一类车辆结构化特征的相似度计算加权平均值。
6.一种基于大数据的车辆特征检索系统,其特征在于:包括有
大数据数据库模块,用于采集路过车辆的图像,并对路过车辆的图像进行车辆特征计算,将计算得到的车辆特征存入大数据数据库;所述车辆特征包括有车辆结构化特征和车辆抽象特征;
特征计算模块,用于计算路过车辆的图像或待检索车辆图像中的车辆特征;
检索对比模块,用于根据待检索车辆图像中的车辆特征以及检索条件在大数据数据库中进行检索对比;
输出模块,用于输出检索对比结果。
7.根据权利要求6所述的一种基于大数据的车辆特征检索系统,其特征在于:所述车辆结构化特征包括有车牌号码、车牌颜色、车身颜色、车辆类型、车辆品牌、车辆款型、年检标志、安全带、车内挂饰和遮阳板。
8.根据权利要求6所述的一种基于大数据的车辆特征检索系统,其特征在于:所述车辆抽象特征为采用深度学习模型计算得到的车辆抽象特征向量。
9.根据权利要求6所述的一种基于大数据的车辆特征检索系统,其特征在于:所述检索对比模块具体包括有
相似度计算子模块,用于分别计算待检索车辆图像中的车辆结构化特征与大数据数据库中车辆结构化特征的相似度、待检索车辆图像中的车辆抽象特征与大数据数据库中车辆抽象特征的相似度;
加权平均子模块,用于对相似度计算子模块中计算得到的两个相似度计算加权平均值;
判断子模块,用于根据加权平均值判断是否检索到相同车辆。
10.根据权利要求9所述的一种基于大数据的车辆特征检索系统,其特征在于,所述相似度计算子模块在计算待检索车辆图像中的车辆结构化特征与大数据数据库中车辆结构化特征的相似度时:先计算待检索车辆图像中的每一类车辆结构化特征与大数据数据库中相应类别的车辆结构化特征的相似度,然后对上述计算得到的每一类车辆结构化特征的相似度计算加权平均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810980870.8A CN109325420A (zh) | 2018-08-27 | 2018-08-27 | 一种基于大数据的车辆特征检索方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810980870.8A CN109325420A (zh) | 2018-08-27 | 2018-08-27 | 一种基于大数据的车辆特征检索方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109325420A true CN109325420A (zh) | 2019-02-12 |
Family
ID=65264613
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810980870.8A Pending CN109325420A (zh) | 2018-08-27 | 2018-08-27 | 一种基于大数据的车辆特征检索方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109325420A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110348392A (zh) * | 2019-07-12 | 2019-10-18 | 上海眼控科技股份有限公司 | 车辆匹配方法及设备 |
CN111666789A (zh) * | 2019-03-07 | 2020-09-15 | 高新兴科技集团股份有限公司 | 一种基于以图搜图的一车多牌分析方法及系统 |
CN111814751A (zh) * | 2020-08-14 | 2020-10-23 | 深延科技(北京)有限公司 | 基于深度学习目标检测和图像识别的车辆属性分析方法及系统 |
CN112052236A (zh) * | 2020-07-14 | 2020-12-08 | 中汽数据(天津)有限公司 | 一种基于汽车流通大数据的二手车计算方法 |
CN112395441A (zh) * | 2019-08-14 | 2021-02-23 | 杭州海康威视数字技术股份有限公司 | 对象检索的方法和装置 |
CN113435333A (zh) * | 2021-06-28 | 2021-09-24 | 深圳市商汤科技有限公司 | 一种数据处理方法、装置、计算机设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103530366A (zh) * | 2013-10-12 | 2014-01-22 | 湖北微模式科技发展有限公司 | 一种基于自定义特征的车辆搜索方法与系统 |
US20160325755A1 (en) * | 2012-03-14 | 2016-11-10 | Autoconnect Holdings Llc | Facial recognition database created from social networking sites |
CN106250555A (zh) * | 2016-08-15 | 2016-12-21 | 东方网力科技股份有限公司 | 基于大数据的车辆检索方法及装置 |
CN106469299A (zh) * | 2016-08-31 | 2017-03-01 | 北京邮电大学 | 一种车辆搜索方法及装置 |
CN107992819A (zh) * | 2017-11-29 | 2018-05-04 | 青岛海信网络科技股份有限公司 | 一种车辆属性结构化特征的确定方法与装置 |
CN108197326A (zh) * | 2018-02-06 | 2018-06-22 | 腾讯科技(深圳)有限公司 | 一种车辆检索方法及装置、电子设备、存储介质 |
-
2018
- 2018-08-27 CN CN201810980870.8A patent/CN109325420A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160325755A1 (en) * | 2012-03-14 | 2016-11-10 | Autoconnect Holdings Llc | Facial recognition database created from social networking sites |
CN103530366A (zh) * | 2013-10-12 | 2014-01-22 | 湖北微模式科技发展有限公司 | 一种基于自定义特征的车辆搜索方法与系统 |
CN106250555A (zh) * | 2016-08-15 | 2016-12-21 | 东方网力科技股份有限公司 | 基于大数据的车辆检索方法及装置 |
CN106469299A (zh) * | 2016-08-31 | 2017-03-01 | 北京邮电大学 | 一种车辆搜索方法及装置 |
CN107992819A (zh) * | 2017-11-29 | 2018-05-04 | 青岛海信网络科技股份有限公司 | 一种车辆属性结构化特征的确定方法与装置 |
CN108197326A (zh) * | 2018-02-06 | 2018-06-22 | 腾讯科技(深圳)有限公司 | 一种车辆检索方法及装置、电子设备、存储介质 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111666789A (zh) * | 2019-03-07 | 2020-09-15 | 高新兴科技集团股份有限公司 | 一种基于以图搜图的一车多牌分析方法及系统 |
CN110348392A (zh) * | 2019-07-12 | 2019-10-18 | 上海眼控科技股份有限公司 | 车辆匹配方法及设备 |
CN110348392B (zh) * | 2019-07-12 | 2020-08-25 | 上海眼控科技股份有限公司 | 车辆匹配方法及设备 |
CN112395441A (zh) * | 2019-08-14 | 2021-02-23 | 杭州海康威视数字技术股份有限公司 | 对象检索的方法和装置 |
CN112052236A (zh) * | 2020-07-14 | 2020-12-08 | 中汽数据(天津)有限公司 | 一种基于汽车流通大数据的二手车计算方法 |
CN111814751A (zh) * | 2020-08-14 | 2020-10-23 | 深延科技(北京)有限公司 | 基于深度学习目标检测和图像识别的车辆属性分析方法及系统 |
CN113435333A (zh) * | 2021-06-28 | 2021-09-24 | 深圳市商汤科技有限公司 | 一种数据处理方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109325420A (zh) | 一种基于大数据的车辆特征检索方法和系统 | |
CN106096561B (zh) | 基于图像块深度学习特征的红外行人检测方法 | |
CN111598214B (zh) | 一种基于图卷积神经网络的跨模态检索方法 | |
CN111652293B (zh) | 一种多任务联合判别学习的车辆重识别方法 | |
CN113705570B (zh) | 一种基于深度学习的少样本目标检测方法 | |
CN111104867A (zh) | 基于部件分割的识别模型训练、车辆重识别方法及装置 | |
CN111652273B (zh) | 一种基于深度学习的rgb-d图像分类方法 | |
CN110717554A (zh) | 图像识别方法、电子设备及存储介质 | |
CN113239753A (zh) | 基于YOLOv4改进的交通标志检测与识别方法 | |
CN113065409A (zh) | 一种基于摄像分头布差异对齐约束的无监督行人重识别方法 | |
CN115018545A (zh) | 基于用户画像与聚类算法的相似用户分析方法及系统 | |
CN116309465B (zh) | 一种基于改进的YOLOv5的自然环境下舌像检测定位方法 | |
CN105117735A (zh) | 一种大数据环境下的图像检测方法 | |
CN117351352A (zh) | 基于轻量化YOLOv5网络模型的SAR船舶图像目标识别方法 | |
CN117152484A (zh) | 改进YOLOv5s的小目标布匹瑕疵检测方法 | |
CN110502660B (zh) | 一种弱监督下的多距离度量图像检索方法 | |
CN113327227B (zh) | 一种基于MobilenetV3的小麦头快速检测方法 | |
US10311084B2 (en) | Method and system for constructing a classifier | |
CN111428063B (zh) | 基于地理空间位置划分的图像特征关联处理方法及系统 | |
CN110941994B (zh) | 一种基于元类基学习器的行人重识别集成方法 | |
CN115115825B (zh) | 图像中的对象检测方法、装置、计算机设备和存储介质 | |
CN113592915B (zh) | 端到端旋转框目标搜索方法、系统及计算机可读存储介质 | |
CN114638322B (zh) | 开放场景下基于给定描述的全自动目标检测系统和方法 | |
CN116310734B (zh) | 基于深度学习的铁路货车走行部的故障检测方法及系统 | |
Cheng et al. | Intelligent Vehicle Inspection Tool Design Based on Freeman Chain Code for Automatic Annotation of 3D Models |
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: 20190212 |