-
公开(公告)号：CN118747912A
公开(公告)日：2024-10-08
申请号：CN202410808511.X
申请日：2024-06-21
Applicant: 上海工程技术大学
IPC: G06V40/20 , G06V20/40 , G06N3/0464 , G06N3/045 , G06N3/042 , G06N3/0895 , G06V10/82 , G06V20/52 , G06V40/10
Abstract: 本发明涉及一种基于时间‑空间掩码重建机制的辅助训练及骨架动作识别方法，步骤包括：使用时空图卷积网络处理骨架节点的三维坐标数据组成的骨架训练数据集，得到关于骨架节点的特征表示；分别在特征表示的时间维度和空间维度上进行随机掩码处理，聚合未掩码的特征表示，使用多层感知机对聚合的特征重建生成预测的节点坐标，并分别计算重建的节点坐标与原始坐标之间的平均绝对误差作为时间掩码损失，计算重建的节点坐标与原始坐标之间的平均绝对误差作为空间掩码损失；根据时间掩码重建损失和空间掩码重建损失完成对图卷积网络模型自监督训练。与现有技术相比，本发明能够有效的辅助图卷积网络模型捕获骨架数据中的时空依赖关系，增强模型性能。
-
公开(公告)号：CN118196739A
公开(公告)日：2024-06-14
申请号：CN202410293813.8
申请日：2024-03-14
Applicant: 上海工程技术大学 , 上海海达通信有限公司
IPC: G06V20/56 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明涉及一种基于对抗性伪装模型的自动驾驶目标检测方法及系统，该方法包括：构建对抗性伪装模型生成用于自动驾驶目标检测的对抗性样本；其中，所述对抗性伪装模型包括对抗性纹理渲染模块和模型注意力分散模块；利用生成的对抗性样本对深度神经网络模型进行训练；采用训练好的深度神经网络模型进行自动驾驶目标检测。与现有技术相比，本发明通过对抗性伪装模型生成的对抗性样本对深度神经网络模型进行训练，提升了在现实世界中自动驾驶目标检测的安全性和可靠性。
-
公开(公告)号：CN118116079A
公开(公告)日：2024-05-31
申请号：CN202410298594.2
申请日：2024-03-15
Applicant: 上海工程技术大学 , 上海旭正医学科技有限公司
IPC: G06V40/20 , G06V10/764 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/0895 , G06V20/40
Abstract: 本发明涉及一种基于骨架的危险行为识别方法及系统，该方法包括：获取实时人体骨架数据；将实时人体骨架数据输入到FK‑ResGCN危险行为识别模型中进行危险动作识别；其中，所述FK‑ResGCN危险行为识别模型在图卷积神经网络基础上添加三个模块：残差网络模块，对歧义模糊行为进行细粒度划分的歧义模糊行为再区分模块，以及非线性升维的动力学矩阵动态匹配池化模块。与现有技术相比，本发明具有识别准确性高的优点。
-
公开(公告)号：CN116452864A
公开(公告)日：2023-07-18
申请号：CN202310334324.8
申请日：2023-03-30
Applicant: 上海工程技术大学
IPC: G06V10/764 , G06V10/20 , G06V10/774 , G06V10/40 , G06V10/766 , G06V10/82 , G06N3/0985
Abstract: 本发明涉及一种小样本图像分类方法、设备及存储介质，该方法包括：采用特征提取网络对小样本图像进行特征提取，得到特征向量；构建参数优化学习模型，将特征向量转化为分类器参数；在互斥的小样本图像训练集与测试集中，对参数优化学习模型的分类器参数进行设定轮次的训练，得到参数化后的基学习器；对参数化后的基学习器引入新的元参数进行优化与更新，采用优化后的元学习模型实现小样本图像分类。与现有技术相比，本发明具有分类准确率高的优点。
-
公开(公告)号：CN112926403A
公开(公告)日：2021-06-08
申请号：CN202110131859.6
申请日：2021-01-30
Applicant: 上海工程技术大学
Abstract: 本发明涉及一种基于层次聚类与困难样本三元组的无监督行人重识别方法，包括：1)将行人图像集合划分为训练集和测试集；2)初始化标签；3)将训练集输入CNN模型中，提取行人特征，进行模型训练；4)对行人特征进行层次聚类，分配到簇中；5)根据簇类别进行抽样，得到新的训练集；6)根据困难样本三元组损失函数，对新的训练集进行微调；7)根据训练集的平均轮廓系数，判断返回步骤3)或是判定出最佳CNN模型；9)将测试集载入最佳CNN模型中获取行人重识别结果。与现有技术相比，本发明不但可以解决无标签的数据集行人重识别中个体数目无法确定的问题，同时降低了不同类的高度相似样本被聚到一类的概率，使模型的识别性能得到较大的提高。
-
Patent Agency Ranking
-
公开(公告)号：CN104751244A
公开(公告)日：2015-07-01
申请号：CN201510152533.6
申请日：2015-04-01
Applicant: 上海工程技术大学
Abstract: 本发明涉及一种轨道交通能耗影响因素关联度优化方法，包括步骤：1)确定轨道交通能耗影响因素；2)基于轨道交通能耗各影响因素随机产生N个抗体作为关联度向量，并组成抗体集{R1,…,RN}；3)判断是否存在至少一个抗体下的能耗计算值与实际运行能耗之间的误差小于设定阈值，若为是，则优化结束，若为否，则用误差最小的抗体更新误差最大的抗体，并执行步骤4)；4)利用免疫遗传算法优化该关联度向量，并返回步骤3)。与现有技术相比，本发明基于免疫遗传算法对轨道交通能耗影响因素关联度向量进行估计和优化，使得在各因素关联度关系模型未知的情况下也能优化出贴近实际情况的关联度向量。
-
公开(公告)号：CN118196826A
公开(公告)日：2024-06-14
申请号：CN202410131468.8
申请日：2024-01-31
Applicant: 上海工程技术大学
IPC: G06V40/10 , G06V20/52 , G06V10/764 , G06V10/80 , G06V10/75 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/094
Abstract: 本发明涉及一种换衣行人重识别模型的训练方法、系统、设备及介质，方法包括：采用双分支网络从目标图库行人图片中分别提取出体型特征和外观特征；将特征对齐后的体型特征嵌入至外观特征中，融合得到带有体型信息的外观特征；设置衣服分类器，训练初期将带有体型信息的外观特征输入至衣服分类器计算衣服分类损失，并基于衣服分类损失更新衣服分类器参数；设置行人身份分类器，固定衣服分类器参数后，将带有体型信息的外观特征分别输入至衣服分类器和行人身份分类器，根据计算得到的衣服对抗损失和行人身份损失更新网络参数。与现有技术相比，本发明能够有效减轻行人重识别模型对衣服的依赖，可以提取更丰富的与衣服无关的行人身份特征。
-
公开(公告)号：CN112766217B
公开(公告)日：2022-08-26
申请号：CN202110131884.4
申请日：2021-01-30
Applicant: 上海工程技术大学
Abstract: 本发明涉及一种基于解纠缠和特征级差异学习的跨模态行人重识别方法，包括：采用可见光摄像机和红外摄像机采集多张行人图片形成数据集；选取可见光模态的两张图像记为x1和x2、选取红外模态的两张图像记为y1和y3，图像x1和y1共享身份信息，图像x2和y3不共享身份信息；获取自编码模型，分别对图像x1、x2、y1和y3解纠缠出风格特征和内容特征；获取生成与判别网络，对风格特征和内容特征进行重构得到多个新图像；获取特征级差异学习网络，对多个新图像和原图像进行特征学习，获取行人识别结果。与现有技术相比，本发明解决了可能存在的跨模态图像间内容信息(如姿态、体态)相近的问题、提升了模型判别的泛化能力、减少了模态间和模态内的差异。
-
公开(公告)号：CN114463582A
公开(公告)日：2022-05-10
申请号：CN202210086708.8
申请日：2022-01-25
Applicant: 上海工程技术大学
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种用于处理不平衡数据的图像识别方法和装置，方法包括将图像数据输入至不平衡识别网络中，得到分类结果，其中不平衡识别网络建立方法如下：建立双分支网络，将带有分类标签的不平衡数据训练集输入双分支网络，同时次分支网络将图像数据以多个角度进行旋转，得到不同角度的图像数据，并将角度作为不同角度的图像数据的第二标签；对分类标签和第二标签进行平滑处理；将带有平滑处理后的两种标签的不平衡数据训练集输入双分支网络，训练双分支网络；双分支网络训练完成后，单独输出主分支网络作为不平衡识别网络。与现有技术相比，本发明具有流程简洁、对于不平衡数据的识别精度高等优点。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.026 seconds)
