-
公开(公告)号：CN112241726B
公开(公告)日：2023-06-02
申请号：CN202011188660.9
申请日：2020-10-30
Applicant: 华侨大学 , 福建省公田软件股份有限公司
IPC: G06V40/20 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T5/30 , G06T7/62
Abstract: 本发明提供了人体姿态估计技术领域的一种基于自适应感受野网络和关节点损失权重的姿态估计方法，包括：步骤S10、基于自适应感受野单元搭建自适应感受野网络；步骤S20、利用样本图像对所述自适应感受野网络进行训练；步骤S30、在训练所述自适应感受野网络时，计算得到所述样本图像包含的关节点以及各关节点的损失值；步骤S40、基于各关节点的所述损失值计算各关节点的损失权重；步骤S50、基于所述损失权重以及损失值计算得到最终损失值，基于所述最终损失值优化自适应感受野网络；步骤S60、将待测图像输入训练好的所述自适应感受野网络，计算关节点的位置并形成完整的人体姿态。本发明的优点在于：极大的提升了人体姿态估计的精度和效率。
-
公开(公告)号：CN115223237A
公开(公告)日：2022-10-21
申请号：CN202210120713.6
申请日：2022-02-09
Applicant: 华侨大学 , 福建省公田软件股份有限公司
Abstract: 本发明公开一种基于关节权重旋转的人体姿态估计方法及系统，涉及3D人体姿态估计技术领域，包括：获取人体关节的关节二维坐标；将多个所述关节二维坐标输入至第一旋转权权重组件，以计算第一关节特征；将所述第一关节特征输入至旋转权重残差模块，以得到第二关节特征；将所述第二关节特征输入至第二旋转权重组件，以得到关节三维坐标；其中，所述旋转权重残差模块包括多个旋转权重残差子模块，所述旋转权重残差子模块、所述第一旋转权重组件和所述第二旋转权重组件均至少包括一个旋转权重组件。本发明提高了二维姿态到三维姿态转换的精度和速度。
-
公开(公告)号：CN113420676A
公开(公告)日：2021-09-21
申请号：CN202110709283.7
申请日：2021-06-25
Applicant: 华侨大学 , 福建省公田软件股份有限公司
Abstract: 本发明提供了3D人体姿态估计技术领域的一种二路特征交错融合网络的3D人体姿态估计方法，包括如下步骤：步骤S10、创建同级关节的第一邻接矩阵以及跨关节的第二邻接矩阵；步骤S20、基于所述第一邻接矩阵以及第二邻接矩阵创建一局部联系特征提取规则；步骤S30、创建一全局联系特征提取规则；步骤S40、利用所述局部联系特征提取规则以及全局联系特征提取规则进行特征提取后，进行交错汇总，并回归计算出3D人体骨架，完成3D人体姿态估计。本发明的优点在于：极大的提升了3D人体姿态估计的精度。
-
公开(公告)号：CN112597955A
公开(公告)日：2021-04-02
申请号：CN202011607963.X
申请日：2020-12-30
Applicant: 华侨大学 , 福建省公田软件股份有限公司
Abstract: 本发明实施例公开了一种基于特征金字塔网络的单阶段多人姿态估计方法，涉及人体姿态估计技术领域，包括：步骤10、基于MobileNet网络搭建特征金字塔网络，所述金字塔网络用于提取分辨率顺序降低的多张初级特征图，然后进行通道间的信息融合；步骤20、利用多人姿态估计数据集构造中心点热图、上偏移热图、下偏移热图以及关节细化热图作为训练标签，对所述特征金字塔网络进行训练；步骤30、将待测图像输入训练好的所述特征金字塔网络，计算关节的位置并形成完整的多人人体姿态。本发明实施例使得网络能够高效的进行信息流动，提升了人体姿态估计的精度；同时通过快速的后处理匹配过程，能够进一步加快多人姿态估计算法的处理速度。
-
公开(公告)号：CN112241726A
公开(公告)日：2021-01-19
申请号：CN202011188660.9
申请日：2020-10-30
Applicant: 华侨大学 , 福建省公田软件股份有限公司
Abstract: 本发明提供了人体姿态估计技术领域的一种基于自适应感受野网络和关节点损失权重的姿态估计方法，包括：步骤S10、基于自适应感受野单元搭建自适应感受野网络；步骤S20、利用样本图像对所述自适应感受野网络进行训练；步骤S30、在训练所述自适应感受野网络时，计算得到所述样本图像包含的关节点以及各关节点的损失值；步骤S40、基于各关节点的所述损失值计算各关节点的损失权重；步骤S50、基于所述损失权重以及损失值计算得到最终损失值，基于所述最终损失值优化自适应感受野网络；步骤S60、将待测图像输入训练好的所述自适应感受野网络，计算关节点的位置并形成完整的人体姿态。本发明的优点在于：极大的提升了人体姿态估计的精度和效率。
-
Patent Agency Ranking
公开(公告)号：CN111489324A
公开(公告)日：2020-08-04
申请号：CN202010506330.3
申请日：2020-06-05
Applicant: 华侨大学 , 福建省公田软件股份有限公司
Abstract: 本发明提供了医学图像处理领域的一种融合多模态先验病理深度特征的宫颈癌病变诊断方法，包括：步骤S10、获取宫颈图像、病理确诊数据、标注信息；步骤S20、将宫颈图像以及标注信息输入深度神经网络模型训练，生成一阶段训练结果；步骤S30、基于病理确诊数据以及一阶段训练结果，采用小网络分别对宫颈图像进行编码后，二阶融合一阶段训练结果后输入深度神经网络模型训练，生成二阶段训练结果；步骤S40、确定主干网络参数，并利用主干网络参数输入深度神经网络模型对宫颈图像进行递进迁移训练，生成三阶段训练结果；步骤S50、利用三阶段训练结果对宫颈图像进行诊断分类。本发明的优点在于：极大的提升了宫颈癌病变诊断的准确性以及效率。
-
公开(公告)号：CN113420676B
公开(公告)日：2023-06-02
申请号：CN202110709283.7
申请日：2021-06-25
Applicant: 华侨大学 , 福建省公田软件股份有限公司
Abstract: 本发明提供了3D人体姿态估计技术领域的一种二路特征交错融合网络的3D人体姿态估计方法，包括如下步骤：步骤S10、创建同级关节的第一邻接矩阵以及跨关节的第二邻接矩阵；步骤S20、基于所述第一邻接矩阵以及第二邻接矩阵创建一局部联系特征提取规则；步骤S30、创建一全局联系特征提取规则；步骤S40、利用所述局部联系特征提取规则以及全局联系特征提取规则进行特征提取后，进行交错汇总，并回归计算出3D人体骨架，完成3D人体姿态估计。本发明的优点在于：极大的提升了3D人体姿态估计的精度。
-
公开(公告)号：CN112597955B
公开(公告)日：2023-06-02
申请号：CN202011607963.X
申请日：2020-12-30
Applicant: 华侨大学 , 福建省公田软件股份有限公司
IPC: G06V40/20 , G06V40/10 , G06V10/52 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明实施例公开了一种基于特征金字塔网络的单阶段多人姿态估计方法，涉及人体姿态估计技术领域，包括：步骤10、基于MobileNet网络搭建特征金字塔网络，所述金字塔网络用于提取分辨率顺序降低的多张初级特征图，然后进行通道间的信息融合；步骤20、利用多人姿态估计数据集构造中心点热图、上偏移热图、下偏移热图以及关节细化热图作为训练标签，对所述特征金字塔网络进行训练；步骤30、将待测图像输入训练好的所述特征金字塔网络，计算关节的位置并形成完整的多人人体姿态。本发明实施例使得网络能够高效的进行信息流动，提升了人体姿态估计的精度；同时通过快速的后处理匹配过程，能够进一步加快多人姿态估计算法的处理速度。
-
公开(公告)号：CN112418070B
公开(公告)日：2023-06-02
申请号：CN202011307337.9
申请日：2020-11-20
Applicant: 华侨大学 , 福建省公田软件股份有限公司
IPC: G06V40/20 , G06V10/25 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T5/30 , G06T7/62
Abstract: 本发明提供了人体姿态估计技术领域的一种基于解耦阶梯网络的姿态估计方法，包括如下步骤：步骤S10、基于解耦残差模块和瀑布模块搭建解耦阶梯网络；步骤S20、获取大量的人体样本图像，利用所述人体样本图像对解耦阶梯网络进行训练；步骤S30、将待测图像输入训练好的所述解耦阶梯网络，计算所述待测图像中各关节点的位置，进而基于各关节点的位置形成完整的人体姿态。本发明的优点在于：极大的提升了人体姿态估计的速度以及精度。
-
公开(公告)号：CN113610015B
公开(公告)日：2023-05-30
申请号：CN202110918420.8
申请日：2021-08-11
Applicant: 华侨大学 , 福建省公田软件股份有限公司
IPC: G06V40/10 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N3/0985 , G06T7/73
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.027 seconds)
