申请/专利权人:三峡大学
申请日:2023-09-22
公开(公告)日:2024-05-28
公开(公告)号:CN118097645A
主分类号:G06V20/62
分类号:G06V20/62;G06V30/19;G06V10/82;G06V30/16;G06T3/4053;G06T3/4046;G06N3/0464;G06N3/0442;G06N3/0475;G06N3/048;G06N3/045;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.06.14#实质审查的生效;2024.05.28#公开
摘要:本发明公开了一种基于DB‑CRNN模型的船舶名称识别方法,该方案框架主要由DB算法和CRNN算法组成,通过构建网络训练模型,最终能实现对船舶名称的自动识别并具有较高的准确率,通过在船舶名称识别阶段引入了一个船名不规则文本矫正模块。在原识别模型中加入矫正模块,对船名不规则文本进行矫正,有效解决了船名文本不规则导致识别不准确的问题,最终获得更好的识别效果;在船舶名称识别阶段设计发明了一个图像超分辨率重建模块。针对分辨率较小的图像不清晰和缺少细节的问题在原识别模型中设计一个超分辨率重建模块,通过提高图像分辨率以获更好的识别效果,解决了因分辨率不足和倾斜导致船舶识别不准确的问题,最终实现了更好的识别效果。
主权项:1.一种基于DB-CRNN模型的船舶名称识别方法,其特征在于:包括以下步骤:S1,通过网络平台公开信息获取船舶图像数据;S2,数据预处理,包括统一数据大小格式,标注船名和坐标;S3,船名图像数据输入;S4,构建船名检测和识别框架;S5,在识别部分构建船名矫正模块和超分辨率重建模块;S6,对模型进行综合评估。
全文数据:
权利要求:
百度查询: 三峡大学 一种基于DB-CRNN模型的船舶名称识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。