-
公开(公告)号：CN112070784B
公开(公告)日：2022-07-01
申请号：CN202010965729.8
申请日：2020-09-15
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于上下文增强网络的感知边缘检测方法，其特征在于，包括如下步骤：1）获取图像训练数据集训练边缘检测模型；2）特征提取；3）降维加权；4）双向递归；5）分类；6）输出。这种方法通过捕捉多尺度上下文信息之间的内在联系提升边缘检测的准确性，具有速度快的优点。
-
公开(公告)号：CN114387646A
公开(公告)日：2022-04-22
申请号：CN202111640925.9
申请日：2021-12-29
Applicant: 桂林电子科技大学
IPC: G06V40/16 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种身份识别方法、装置以及存储介质，属于图片识别技术领域，方法包括：导入多个行人图片，分别对各个行人图片进行人脸识别得到目标人脸图片；对多个目标人脸图片进行隶属度矩阵的构建分析得到隶属度矩阵；根据隶属度矩阵对多个目标人脸图片以及多个行人图片进行划分得到接受域、拒绝域和不确定域；分别对接受域、拒绝域以及不确定域进行身份识别分析得到身份识别结果。本发明能够在不同场景下的目标采用合适的识别方法，区别于单一仅采用人脸或者行人的识别，对目标身份的识别准确率有了显著的提升，能够适用于复杂的现实情况。
-
公开(公告)号：CN114387553A
公开(公告)日：2022-04-22
申请号：CN202210052157.3
申请日：2022-01-18
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于帧结构感知聚合的视频人脸识别方法，包括：采用人脸检测模型检测视频数据中每一帧中所含的面部区域并裁剪为固定尺寸的图像，作为输入视频帧；采用跨尺度特征提取网络提取输入的每一个视频帧的特征表示；采用帧结构感知聚合模块为每个特征表示赋予权重；将每个特征图降维、并根据权重进行聚合，得到视频人脸特征向量；集训练模型、并微调网络参数；采用人脸识别网络框架完成最后的识别任务。这种特征提取网络能适应面部特征比例变化的同时，保持对不同尺度特征的高效学习，同时结合帧间关系的挖掘对上下文信息进行有效建模，能够利用各个视频帧的特征及其空间结构信息，最终获得更具鲁棒性的视频人脸特征表示用于识别。
-
公开(公告)号：CN108765296B
公开(公告)日：2022-04-12
申请号：CN201810600397.6
申请日：2018-06-12
Applicant: 桂林电子科技大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于递归残差注意力网络的图像超分辨率重建方法，其特征在于，包括如下步骤：1）数据预处理；2）建立重建模型；3）残差注意力网络支路第一个残差注意力模块特征提取；4）递归网络支路第一个递归模块特征提取；5）特征融合；6）图像重建。这种方法能解决预处理操作带来的噪声，且获得更多高频信息来丰富图像细节，同时能减少网络参数，在增加层数的同时而不增加新的参数，能提高超分辨率重建的精度。
-
公开(公告)号：CN112308884A
公开(公告)日：2021-02-02
申请号：CN202011227714.8
申请日：2020-11-06
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于张量核范数的视频背景减除方法，用改进的张量核范数去表征视频背景的低维特性，使得背景约束更加接近实际视频背景的秩，为前景背景更加准确的分离提供了一定的保证；用L1,1,2范数去建模视频前景的稀疏性，加强了视频前景的时空连续性和管稀疏性，从而达到了较好的背景前景分离效果。
-
Patent Agency Ranking
公开(公告)号：CN112070784A
公开(公告)日：2020-12-11
申请号：CN202010965729.8
申请日：2020-09-15
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于上下文增强网络的感知边缘检测方法，其特征在于，包括如下步骤：1）获取图像训练数据集训练边缘检测模型；2）特征提取；3）降维加权；4）双向递归；5）分类；6）输出。这种方法通过捕捉多尺度上下文信息之间的内在联系提升边缘检测的准确性，具有速度快的优点。
-
公开(公告)号：CN110866929A
公开(公告)日：2020-03-06
申请号：CN201911098771.8
申请日：2019-11-12
Applicant: 桂林电子科技大学
IPC: G06T7/12
Abstract: 本发明提出了一种图像轮廓分割方法及系统。所述分割方法包括如下步骤：首先获取原始图像的边缘指示函数和梯度矢量流，在迭代获取水平集函数的过程中，利用边缘指示函数、梯度矢量流和第n-1次迭代的水平集函数和偏置域，计算第n次迭代的权重因子、局部强度均值、全局强度均值和偏置域，进而计算水平集函数。本发明在计算水平集函数的过程中引入局部边缘特征(边缘指示函数)，从而能更好的保留图像的细节特征，减小弱边界和强度不均匀图像的边界泄露。本发明在计算水平集函数的过程还引入测地边缘项，全面利用图像的边缘信息，增强模型的分割性能，减小复杂背景的干扰，提高了弱边界图像和强度分布不均匀的图像的分割精度。
-
公开(公告)号：CN110334548A
公开(公告)日：2019-10-15
申请号：CN201910640430.2
申请日：2019-07-16
Applicant: 桂林电子科技大学
IPC: G06F21/62 , G06F16/906
Abstract: 本发明公开了一种基于差分隐私的数据异常检测方法，采取先进行聚类再进行异常检测的方法，在prim算法生成的最小生成树中，用差分隐私中的噪声机制对最小生成树中边的权重添加随机噪声，隐藏数据对象间的关联性。同时，该方法使用融合相异度和逆相似数的判决准则检测异常，解决传统的top-n方法需要预设参数，选取异常数据的不准确性这一缺陷。本发明方法具有更高的鲁棒性和更强的适应性，通过仿真数据集和真实数据集的实验分析表明提出的方法在数据分布不均匀的环境下能有效保证隐私数据的安全性，并提高异常检测的查全率，降低误判率。
-
公开(公告)号：CN110263203A
公开(公告)日：2019-09-20
申请号：CN201910345614.6
申请日：2019-04-26
Applicant: 桂林电子科技大学
IPC: G06F16/583 , G06F16/28
Abstract: 本发明公开了一种结合皮尔逊重构的文本到图像生成方法，其特征在于，包括如下步骤：1）数据预处理；2）建立图像生成模型；3）条件融合；4）特征向量生成；5）判别器判别；6）多尺度联合损失；7）网络训练；8）图像生成。该方法能重构判别器的输出，获得与网络的输入线性相关的特征向量，同时限制判别器的判别能力，使得生成器训练时更容易收敛并提高生成样本的质量和多样性。
-
公开(公告)号：CN110046226A
公开(公告)日：2019-07-23
申请号：CN201910306242.6
申请日：2019-04-17
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于分布词向量CNN-RNN网络的图像描述方法，其特征在于，包括如下步骤：1）分布表示词向量的生成；2）分布表示标签的生成；3）分布表示语义标签的生成；4）网络设计；5）生成图像的描述性语句。这种方法引入到原本的CNN-RNN网络模型中使其可生成更精确的结果、使CNN子网提供给RNN子网更丰富的语义内容，使得整个CNN-RNN网络模型依然能够保持结构化的优点，这种方法中低维稠密的分布表示可以轻松地嵌入海量词语构成完整的语义空间、视觉内容能够更好实现到语义空间的映射，基于分布表示词向量设计的监督信号能更准确的概括视觉内容和更充分的利用向量空间监督CNN优化方向。
-
-
-
-
-
-
-
-
-
Search Results
118
records
(took 0.028 seconds)
