基于深度学习的交通标志牌要素提取
微信扫码沟通，客服可协助直接对接工程师；如当前档期不合，也可继续推荐相似案例作者。
案例介绍
作为图像算法负责人，研发并改进基于Faster RCNN的多尺度交通标志牌提取算法，利用构建数据闭环与数据扩充方式解决数据收集困难且类别不均衡问题，加入多尺度训练策略，改进anchor机制并依靠多帧结果信息弥补小目标检测及属性识别问题；在多传感器结果融合环节，与点云结果融合聚类，解决点云标牌集合特征未召回等问题。
图像识别实现100%实物召回，考虑到后续通用性，已实现国家标准中268类交通标志属性识别，识别准确率达98%。
图像识别实现100%实物召回，考虑到后续通用性，已实现国家标准中268类交通标志属性识别，识别准确率达98%。
基于深度学习的交通标志牌要素提取
联系该工程师
微信扫码，建群沟通
案例介绍
作为图像算法负责人，研发并改进基于Faster RCNN的多尺度交通标志牌提取算法，利用构建数据闭环与数据扩充方式解决数据收集困难且类别不均衡问题，加入多尺度训练策略，改进anchor机制并依靠多帧结果信息弥补小目标检测及属性识别问题；在多传感器结果融合环节，与点云结果融合聚类，解决点云标牌集合特征未召回等问题。
图像识别实现100%实物召回，考虑到后续通用性，已实现国家标准中268类交通标志属性识别，识别准确率达98%。
案例图片
1小时精推人才
需求方专属客服，免费梳理匹配
扫码加微信 · 客服人工对接
