-
公开(公告)号：CN103761507A
公开(公告)日：2014-04-30
申请号：CN201410001390.4
申请日：2014-01-03
Applicant: 东南大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于韦伯法则的局部多值模式的人脸识别方法，分为训练阶段和识别阶段；训练阶段，首先要提取训练样本的特征，对样本进行三级编码；然后将三级编码都转换为Uniform模式，然后对经过三级编码后的图像分别进行均匀的、无交叠的分块处理，再对每个分块提取特征直方图，将每个块每级的特征直方图连接得到一幅人脸图像的整体特征直方图；识别阶段，按照上述特征提取的方法提取待测样本的特征直方图作为待测特征，然后运用χ2概率统计和最近邻分类方法，对待测样本进行识别。本发明在人脸识别中对人脸的光照和姿态具有更佳的鲁棒性，并提高了人脸的识别率。
-
公开(公告)号：CN102663426A
公开(公告)日：2012-09-12
申请号：CN201210087448.2
申请日：2012-03-29
Applicant: 东南大学
Abstract: 本发明提供了一种基于小波多尺度分析和局部三值模式的人脸识别方法，涉及模式识别、图像处理和计算机视觉等技术领域。首先选取合适的人脸图像，然后对训练图像作多尺度小波分析，得到一、二级低频逼近图像，使用LTP算子对低频逼近图像进行变换，得到所有像素点的LTP特征值，再分块统计图像的LTP直方图，连接两级图像的分块直方图得到人脸图像的特征向量表示。对于待识别人脸，获得特征向量后，使用概率统计完成人脸识别。本发明方法有效地降低了图像噪声的影响，增强了图像纹理特征抽取能力，鲁棒性强，识别率高，计算速度快，具有十分重要的实用价值。
-
公开(公告)号：CN117670710A
公开(公告)日：2024-03-08
申请号：CN202311628669.0
申请日：2023-12-01
Applicant: 东南大学
IPC: G06T5/70 , G06T5/60 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种面对X射线钛合金图像的基于感知损失的图像降噪方法，包括如下步骤：步骤1，构建基于噪声水平估计的卷积神经网络主体框架；步骤2，将含噪声X射线钛合金图像输入主体框架，输出降噪后的低噪声图像；步骤3，采用均方误差计算损失函数，更新主体框架的网络参数；步骤4，将重复步骤2到步骤3，得到预训练的图像降噪神经网络；步骤5，将噪声图像输入完成预训练的主体框架，采用感知损失计算损失函数，更新主体框架的网络参数；步骤6，重复步骤5，得到最终降噪模型；步骤7，基于所述最终降噪模型，获得降噪的图像。本申请解决了高强度噪声图像降噪效果较差、图像细节信息损失的问题，能够有效提高噪声图像降噪处理效果。
-
Patent Agency Ranking
公开(公告)号：CN110674714B
公开(公告)日：2022-06-14
申请号：CN201910867602.X
申请日：2019-09-13
Applicant: 东南大学
Abstract: 本发明公开了一种快速人脸和人脸关键点联合检测方法，包括如下步骤：步骤1，构建教师网络和学生网络；步骤2，输入一批训练图像，进行数据增强；步骤3，根据自适应尺度匹配策略，划分正负锚点框样本；步骤4，挖掘正负样本，计算多任务损失函数，更新网络参数；步骤5，转至步骤2，直至训练收敛，得到教师网络模型；步骤6，重复步骤2到步骤5，利用教师网络模型，加入迁移学习损失函数，训练得到学生网络模型；步骤7，在测试阶段，输入测试图像到学生网络模型，得到检测结果。本发明可以同时得到人脸和关键点检测结果，加快了人脸识别预处理流程的速度。本发明提出的轻量网络推理速度快，能够部署在算力受限的嵌入式设备。
-
公开(公告)号：CN110427797A
公开(公告)日：2019-11-08
申请号：CN201910452418.9
申请日：2019-05-28
Applicant: 东南大学
Abstract: 本发明公开一种基于几何条件限制的三维车辆检测方法，包括训练和识别阶段；训练阶段的方法为，给定彩色输入图像，首先进行预选框生成，获得可能存在的初始区域，减少搜索范围，然后对每个预选框位置进行特征提取，最终送入不同的分支网络中；测试阶段的方法为，首先利用训练好Region Proposal Network在不同尺度的特征层上生成不同尺度和形状的预选框，然后对预选框对应特征进行RoI-Pooling，得到对应的三维属性，最终利用透视投影变换公式约束得到完整的车辆三维信息。本发明对图像的噪声具有较强的鲁棒性，可增加车辆检测的鲁棒性，提高三维车辆识别的识别率，大大减少识别所需时间，具有十分重要的实用价值。
-
公开(公告)号：CN108414734A
公开(公告)日：2018-08-17
申请号：CN201810018283.0
申请日：2018-01-09
Applicant: 东南大学
IPC: G01N33/493 , G06T7/90
CPC classification number: G01N33/493 , G06T7/90 , G06T2207/10024 , G06T2207/20081 , G06T2207/30024
Abstract: 本发明公开了一种基于ACF的尿沉渣检测方法，针对不同的尿沉渣有形成分训练不同的检测器，包括如下步骤：(1)训练阶段：首先对训练样本进行通道计算，包括LUV、梯度幅值以及六个方向的梯度方向直方图，然后对十个通道进行池化操作，再进行向量化得到特征向量，采用软级联的adaboost算法训练分类器，每个弱分类器是深度为2的决策树；(2)测试阶段：采用滑动窗口检测法，对采样窗口提取十个通道特征，向量化为特征向量，同时利用快速特征金字塔提高检测速度，利用训练好的模型进行测试，判断是否属于尿沉渣有形成分；本发明更好的利用的尿沉渣有形成分的特征信息，有效地降低了噪声的影响，准确率高、计算速度快，具有十分重要的实用价值。
-
公开(公告)号：CN106934350A
公开(公告)日：2017-07-07
申请号：CN201710092813.1
申请日：2017-02-21
Applicant: 东南大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于Gabor张量的MLFDA人脸识别方法，包括训练阶段和识别阶段；训练阶段的方法为：首先，将所有的训练样本的每张人脸图像进行二维Gabor滤波，一幅人脸图像得到40个Gabor特征，然后，将每个训练样本求得的Gabor特征合成一个三阶张量，利用MLFDA算法计算得到张量样本的最佳投影矩阵，利用最佳投影矩阵将张量样本投影至低维的子空间；识别阶段的方法为：进行二维Gabor滤波，将求得的Gabor特征合成一个三阶张量，利用最佳投影矩阵将待测样本投影至低维的子空间，然后预测待测样本所属的对象。本发明对光照和姿态变化具有较强的鲁棒性，并且这是一种有监督的学习算法，利用了数据的类别信息，提高了人脸的识别率。
-
公开(公告)号：CN103761507B
公开(公告)日：2017-02-08
申请号：CN201410001390.4
申请日：2014-01-03
Applicant: 东南大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于韦伯法则的局部多值模式的人脸识别方法，分为训练阶段和识别阶段；训练阶段，首先要提取训练样本的特征，对样本进行三级编码；然后将三级编码都转换为Uniform模式，然后对经过三级编码后的图像分别进行均匀的、无交叠的分块处理，再对每个分块提取特征直方图，将每个块每级的特征直方图连接得到一幅人脸图像的整体特征直方图；识别阶段，按照上述特征提取的方法提取待测样本的特征直方图作为待测特征，然后运用χ2概率统计和最近邻分类方法，对待测样本进行识别。本发明在人脸识别中对人脸的光照和姿态具有更佳的鲁棒性，并提高了人脸的识别率。
-
-
-
-
-
-
-
Search Results
28
records
(took 0.02 seconds)
