-
公开(公告)号：CN118196840A
公开(公告)日：2024-06-14
申请号：CN202410610290.5
申请日：2024-05-16
Applicant: 华侨大学
Abstract: 本发明公开了一种基于语义偏好挖掘的行人再辨识方法，涉及人工智能、机器视觉领域，包括：利用预训练的语义分割模型将行人图像处理为语义分割图，将语义分割图空间划分为若干部件语义块，计算不同语义在语义分割图与部件语义块中的比例，根据不同语义的比例对部件语义块分组进行语义对齐，获得各部件语义块分组对应的部件序号；基于部件序号对部件特征分组，利用自注意网络将各部件特征组投影到公共嵌入空间并进行偏好挖掘，继而利用偏好信息对各部件特征组进行自适应聚合，增强行人再辨识准确性。
-
公开(公告)号：CN118196731A
公开(公告)日：2024-06-14
申请号：CN202410605567.5
申请日：2024-05-16
Applicant: 华侨大学 , 厦门松霖科技股份有限公司
Abstract: 本发明公开了一种基于通道与空间量子注意力学习的车辆再辨识方法及装置，涉及车辆再辨识领域，包括：利用深度网络从车辆图像中提取车辆的特征映射；设计通道量子注意力学习分支和空间量子注意力学习分支，分别对残差模块输出的特征映射学习通道量子注意力掩码和空间量子注意力掩码，并将两种注意力掩码融合为通道‑空间复合量子注意力掩码，用于增强车辆的特征映射，使深度网络能够更全面捕捉特征映射中的重要特征。本发明利用量子叠加与纠缠特性实现车辆注意力学习，能够提高特征学习效果，改善车辆再辨识的准确率，解决了传统机器学习模型难以学习这些复杂的非线性关系的问题。
-
公开(公告)号：CN117495714B
公开(公告)日：2024-04-12
申请号：CN202410004081.6
申请日：2024-01-03
Applicant: 华侨大学
IPC: G06T5/70 , G06N3/0455 , G06N3/0464 , G06T5/10 , G06T5/50
Abstract: 本发明公开了一种基于扩散生成先验的人脸图像复原方法、装置及可读介质，涉及图像处理模块，包括：构建基于预训练的扩散模型的人脸图像复原模型，将待复原的人脸图像输入前向加噪模块中逐步增加噪声，得到噪声图像；将噪声图像输入反向去噪模块中逐步去噪，生成最终复原的人脸图像；将第t步的噪声图像及第t步的时间戳输入噪声预测器，预测得到第t步的噪声；在前向加噪模块中，将第t步的噪声图像和第t步的噪声输入结合融合反演的前向扩散公式，得到第t+1步的噪声图像；在反向去噪模块中，对第t步的噪声图像进行零阈值分解，并与第t步的噪声输入反向扩散公式，得到第t‑1步的噪声图像，解决了现有技术生成的复原图像在真实性和一致性差问题。
-
公开(公告)号：CN117476250B
公开(公告)日：2024-03-12
申请号：CN202311764347.9
申请日：2023-12-21
Applicant: 华侨大学
Abstract: 本发明公开了一种基于多目标跟踪的流行病调查预测方法、装置及可读介质，涉及图像处理领域，包括：获取目标场景区域的视频数据并进行目标检测以及目标跟踪，得到多目标跟踪结果；基于多目标跟踪结果构建目标场景区域中出现的人员在每个时间步所对应的接触网络；构建当前时间步所对应的传染病动力学模型，若存在感染者，则获取感染者在下个时间步的轨迹数据，根据感染者在下个时间步的轨迹数据和下个时间步的接触网络动态调整当前时间步所对应的传染病动力学模型，得到下个时间步所对应的传染病动力学模型，确定下个时间步的感染者的接触者及其轨迹数据，以解决现有模型无法精确模拟出感染者以及接触者的活动空间的问题。
-
公开(公告)号：CN117237197B
公开(公告)日：2024-03-01
申请号：CN202311475296.8
申请日：2023-11-08
Applicant: 华侨大学
IPC: G06T3/4053 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/80
Abstract: 本发明公开了一种基于交叉注意力机制与Swin‑Transformer的图像超分辨率方法及装置，涉及图像重建领域，该方法包括：获取待重建的低分辨率图像及其对应的梯度图；构建基于交叉注意力机制与Swin‑Transformer的图像超分辨率模型并训练，得到经训练的图像超分辨率模型；将待重建的低分辨率图像输入经训练的图像超分辨率模型，经训练的图像超分辨率模型包括SR分支和梯度分支，SR分支和梯度分支中分别采用浅层特征提取模块提取低分辨率图像及其对应的梯度图的浅层特征，通过全局深层特征提取模块将浅层特征进行融合，得到深层特征，并输入图像重建模块，重建得到高分辨率图像，解决
-
Patent Agency Ranking
公开(公告)号：CN113554084B
公开(公告)日：2024-03-01
申请号：CN202110806449.7
申请日：2021-07-16
Applicant: 华侨大学 , 厦门亿联网络技术股份有限公司 , 星宸科技股份有限公司
IPC: G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/082
Abstract: 本发明实例公开了一种基于剪枝和轻量卷积的车辆再辨识模型压缩方法及系统，对待压缩的车辆再辨识模型的骨干网络进行预训练，对预训练完毕的骨干网络进行剪枝，并通过重训练恢复精度，对车辆再辨识模型中特征金字塔模块进行轻量化卷积设计，将紧凑的骨干网络与轻量化的特征金字塔模块结合，骨干网络提取特征后，特征金字塔模块进行特征融合，得到基于特征金字塔联合表示的轻量化车辆再辨识模型。本发明以复杂高性能的车辆再辨识模型作为输入模型，其骨干网络中重要性较低的卷积核被自动选择和剪枝，并改进其特征金字塔模块中的卷积方式，有效降低参数量和计算量，产生精度相当但较为紧凑的模型。
-
公开(公告)号：CN116863509B
公开(公告)日：2024-02-20
申请号：CN202311119512.5
申请日：2023-09-01
Applicant: 华侨大学 , 福建环宇通信息科技股份公司
Abstract: 本发明运用改进的PolarMask进行人形轮廓检测和姿态识别的方法，采用改进的PolarMask模型，基于人形轮廓特点，进行人形轮廓极坐标建模的设计；然后构建改进的PolarMask模型作为人形轮廓分割模型，加入通道注意力机制模块，在原基于YOLOV7的特征金字塔网络中添加了跳跃连接，弥补了在特征融合过程中损失的细节信息，最后，采取基于弱标签的训练策略，用于训练出一个能够识别出包含人形位置信息的矩形框和人的姿态类型的初级人形轮廓分割模型；在正式训练过程中，使用预训练出的提前学习了人形轮廓的相关信息的预训练权重进行迁移学习，在对真实的人形轮廓进行学习的过程中，使得对预测出的人形轮廓不断收敛，准确地识别出人形轮廓和姿态类型。
-
公开(公告)号：CN117373066A
公开(公告)日：2024-01-09
申请号：CN202311667337.3
申请日：2023-12-07
Applicant: 华侨大学
Abstract: 本发明公开了一种基于云边搜索联邦深度学习方法的行人再辨识方法及系统，涉及机器学习技术领域，方法包括以下步骤：S1，云端初始化全局深度网络模型，S2，云端将全局深度网络模型下发给边缘设备；S3，边缘设备利用个性化初始化函数构建总体优化目标函数，进行边缘深度网络模型训练；S4，云端对边缘深度网络模型权重参数进行加权平均聚合以更新云端全局深度网络模型；S5，重复S2至S4至最大次数，将最后一次生成的云端全局深度网络模型作为行人再辨识模型；S6，利用行人再辨识模型实现行人再辨识。本发明在保护数据隐私的前提下，让各个边缘设备根据本地数据特性个性化初始化自身网络，提升联邦学习中边缘深度网络和云端全局深度网络模型的性能。
-
公开(公告)号：CN117315430A
公开(公告)日：2023-12-29
申请号：CN202311595144.1
申请日：2023-11-28
Applicant: 华侨大学
IPC: G06V10/80 , G06V10/764 , G06V10/82
Abstract: 本发明一种面向大范围车辆再辨识的不完备模态特征融合方法，涉及图像处理技术领域，包括：训练包括三通道模型和单通道模型的双模态模型，对可见光车辆图像，采用三通道模型提取主特征，辅以图像灰度化，采用单通道模型提取辅助特征；对红外光车辆图像，采用单通道模型提取主特征，辅以通道复制扩展，采用三通道模型提取辅助特征；将主特征和辅特征叠加获得完整特征，利用KL散度优化完整、主、辅特征三者之间后验概率分布差异，优化特征融合效果。本发明能解决在长时间大范围的监控场景中车辆因活动轨迹复杂多变出现的模态不完备问题，即可见光和红外车辆图像不完备而无法直接实现可见光和红外图像的特征融合问题，提升车辆再辨识准确性。
-
公开(公告)号：CN117196960A
公开(公告)日：2023-12-08
申请号：CN202311475299.1
申请日：2023-11-08
Applicant: 华侨大学
IPC: G06T3/40 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/80
Abstract: 本发明公开了一种全尺度特征细化轻量级图像超分辨率方法及装置，涉及图像处理领域，该方法包括：构建全尺度特征细化轻量级图像超分辨率模型并训练，得到经训练的全尺度特征细化轻量级图像超分辨率模型，将低分辨率图像输入经训练的全尺度特征细化轻量级图像超分辨率模型，先经过第一卷积层得到第一特征图，第一特征图经过串联的K个特征蒸馏提取模块，每一个特征蒸馏提取模块的输出均传送至第二卷积层，并经过第三卷积层，得到第二特征图，第二特征图与第一特征图相加，得到最终特征图，最终特征图输入上采样模块，重建得到高分辨率图像，解决原有超分辨率模型提取的特征信息过于单一的问题，通过蒸馏剔除冗余特征，使模型更加轻量化。
-
-
-
-
-
-
-
-
-
Search Results
321
records
(took 0.034 seconds)
