-
公开(公告)号：CN114663965B
公开(公告)日：2022-10-21
申请号：CN202210566142.9
申请日：2022-05-24
Abstract: 本发明公开一种基于双阶段交替学习的人证比对方法和装置，该方法包括：步骤一：收集人脸图像；步骤二：将收集的人脸图像进行裁剪、水平翻转、去噪、亮度增强和对比度增强处理后，得到人脸图像数据集，即训练集，并将训练集分批；步骤三：将经过处理后的训练集的图像依批次输入到卷积神经网络，使用余弦损失函数或者三元组损失函数的双阶段交替的人脸类别训练，得到训练好的人证比对模型；步骤四：将要进行人证比对的摄像头图像和证件图像输入训练好的人证比对模型，提取人脸特征，计算人脸相似度，输出人证比对结果。本发明有效提升了人证比对的准确率，实现余弦损失函数与三元组损失函数的结合，具有重大的应用价值。
-
公开(公告)号：CN115019296A
公开(公告)日：2022-09-06
申请号：CN202210930782.3
申请日：2022-08-04
IPC: G06V20/62 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及计算机视觉领域，尤其涉及一种基于级联的车牌检测识别方法和装置，该方法包括：步骤一，通过摄像头获取视频图像，使用车牌检测模型，输出每张图像中检测到的车牌矩形边界框和包络框的位置；步骤二，基于步骤一车牌检测的结果，采用仿射变换以得到车牌的正面视角图；步骤三，将所述车牌的正面视角图输入到基于深度卷积神经网络的二分类器中，判断车牌是否为真正的车牌，是则保留，否则移除；步骤四：将步骤三去除假样例后的车牌，通过车牌识别技术实现车牌号码识别，获取检测图像中的所有车牌位置及号码。本发明实现方法简单，可移植性强，能够实现不限于移动摄像头拍摄的公路上、停车场、小区出入口等场所中车牌的精准识别。
-
公开(公告)号：CN114202794A
公开(公告)日：2022-03-18
申请号：CN202210147360.9
申请日：2022-02-17
Applicant: 之江实验室
Abstract: 本发明涉及人工智能算法技术领域，具体涉及一种基于人脸ppg信号的疲劳检测方法和装置，该方法包括以下步骤：步骤一，通过摄像头采集包含人脸的视频帧，进行人脸提取；步骤二，使用关键点检测方法，提取人脸关键点，进行头部运动检测；步骤三，对提取人脸进行预处理，通过疲劳分类模型并结合检测到的头部运动信息，得到疲劳检测结果。本发明针对于人脸的生理信号变化，采用深度学习训练的方式，增加疲劳检测与人脸生理信号变化的相关性，从而提高基于人脸的疲劳检测精度。
-
公开(公告)号：CN114022727A
公开(公告)日：2022-02-08
申请号：CN202111221950.3
申请日：2021-10-20
Applicant: 之江实验室
IPC: G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了本发明公开一种基于图像知识回顾的深度卷积神经网络自蒸馏方法，该方法首先针对目标网络设置辅助网络，在目标网络的下采样层引出分支，采用知识回顾的思路依次融合和连接各个分支，在训练过程中，通过监督学习以及采用目标网络的下采样层向引出分支层进行学习的方式，达到自蒸馏的目的。本发明在深度卷积神经网络自蒸馏领域引入知识回顾的思路，提高了深度卷积神经网络的训练精度；采用辅助网络的形式进行自蒸馏，相对使用数据增强来拉进类内距离的自蒸馏方法，在实际应用中更加简洁方便。
-
公开(公告)号：CN112580614A
公开(公告)日：2021-03-30
申请号：CN202110210499.9
申请日：2021-02-25
Applicant: 之江实验室
Abstract: 本发明公开了一种基于注意力机制的手绘草图识别方法，该方法包括将原始手绘草图输入到一个深度卷积神经网络中，得到最后一个卷积层输出的特征图；将特征图输入到一个通道注意力模块中，得到基于通道注意力优化后的特征图；训练一个用于预测手绘草图垂直翻转的分类网络，将原始手绘草图输入到训练好的分类网络中，得到垂直翻转空间注意力图；联合基于通道注意力优化后的特征图和垂直翻转空间注意力图，计算得到垂直翻转空间注意力优化后的特征图；最后经过全连接层输出识别的结果。本发明的优点：采用通道注意力和垂直翻转空间注意力对卷积神经网络的特征进行优化，能够使网络关注于学习更有判别力的部分，从而有效提高手绘草图的识别精度。
-
Patent Agency Ranking
公开(公告)号：CN112434723A
公开(公告)日：2021-03-02
申请号：CN202011163778.6
申请日：2020-10-27
Applicant: 之江实验室
Abstract: 本发明公开了一种基于注意力网络的日/夜间图像分类及物体检测方法，该方法首先采集街道摄像头监控视频处理成图像进行标注，结合开源的街道数据集共同构建图像数据集；通过基于特征金字塔的深度卷积神经网络提取图像的表观特征；在所提取特征上预测图像的日/夜属性，并捕获表征日/夜间物体的注意图；基于注意力图对提取的特征图进行加权；最后根据预测的日/夜属性将加权后的特征图输入对应日/夜间的检测头做位置回归与物体分类。本发明旨在通过注意力机制使网络关注到日/夜间的不同特征，并通过两个分支分别完成日/夜间物体的检测，能够提升日/夜间物体检测的性能，可用于街道智能监控系统。
-
公开(公告)号：CN118509039B
公开(公告)日：2024-10-22
申请号：CN202410977268.4
申请日：2024-07-22
Applicant: 之江实验室
IPC: H04B7/185 , H04B10/118 , H04B10/073 , H04B10/112
Abstract: 本发明提供一种多态卫星间激光通信链路仿真方法、装置及电子设备，该方法主要用来模拟多种状态下近地卫星之间的激光器通信的可达性，包括同轨、异轨同轨道半长轴、异轨不同轨道半长轴卫星之间的三种情况分别进行计算模拟，判断建立通信的激光器架设在卫星的上下左右前后哪个位置，实现常见近地卫星间激光通信链路的仿真。本发明通过建立卫星轨道模型，然后通过坐标系转换方法以及卫星轨道六根数信息判断目标卫星和参考卫星的相对位置确定两个卫星链接的激光器编号，另外引入光线投射算法判断目标卫星是否在参考卫星的激光器扫描范围内，从而确定两个卫星是否可以建立通信链路。本发明能够解决激光器各类布设情况下的星间激光链路的建立问题。
-
公开(公告)号：CN112069929B
公开(公告)日：2024-01-05
申请号：CN202010842782.9
申请日：2020-08-20
Applicant: 之江实验室
Abstract: 本发明公开了一种无监督行人重识别方法、装置、电子设备及存储介质，该方法包括：在带标签的源域数据集中预训练行人重识别模型；利用所述模型提取无标签目标域中训练集的训练特征；根据所述训练特征，基于自适应聚类的方法将目标域训练集分为若干簇，并分配对应的伪标签；将每个簇设定为一个原型，在原型中挑选出与原型中心的距离小于设定阈值的样本，并利用所述样本的训练特征和伪标签对所述模型进行再训练，得到更新参数后的行人重识别模型；将目标域的查询集和待选集输入到所述模型中，分别得到二者的测试特征，根据测试特征的相似度从待选集中选出符合查询图片要求的图片。本发明有效缓解了域间隔问题，提高了跨域行人重识别的准确度。
-
公开(公告)号：CN117174161A
公开(公告)日：2023-12-05
申请号：CN202311078766.7
申请日：2023-08-25
Abstract: 本发明公开了一种基于频域变换增强的表型预测方法，包括：获取不同作物植株的基因数据和表型数据并对其进行预处理；对预处理后的基因数据进行数值映射；对数值映射后的基因序列进行离散傅里叶变换，判断每个窗口是否为蛋白质编码区，并根据判断结果对蛋白质编码区进行特征增强；将特征增强后的基因序列进行处理，采用低频特征、高频去噪后的特征、小波逆变换后的低频特征以及作为标签的预处理后的表型数据对三流网络进行优化训练；将待检测基因序列的特征输入到训练好的三流网络中，输出表型预测结果。本发明还公开了一种基于频域变换增强的表型预测装置。本发明利用基因编码区的先验提高表型预测效果，实现时频上的基因到表型的非线性关系。
-
公开(公告)号：CN115861771A
公开(公告)日：2023-03-28
申请号：CN202310122939.4
申请日：2023-02-16
IPC: G06V10/82 , G06V10/764 , G06V20/70 , G06N3/08
Abstract: 本发明公开了一种用于图像识别的关键知识蒸馏方法、装置，通过构建图像训练集和测试集；构建第一图像识别神经网络及其训练方式，作为第一模型，并采用图像训练集进行训练；构建第二图像识别神经网络及其训练方式，作为第二模型；从第一模型和第二模型中选定进行知识蒸馏的特征层；采用图像训练集，对第二模型进行训练，在训练过程中，用语义重要性度量法，计算第二模型选定特征层的特征图与第一模型选定特征层的特征图之间语义的重要性，将重要性大的知识作为关键知识并分配大的权重值，将权重值加入特征层知识蒸馏损失函数中，联合图像识别任务相关的损失函数训练第二模型，将训练好的第二模型部署至运行设备，对测试集中待识别图像进行识别。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.055 seconds)
