-
公开(公告)号：CN113688761A
公开(公告)日：2021-11-23
申请号：CN202111010815.4
申请日：2021-08-31
Applicant: 安徽大学
Abstract: 本发明公开了一种基于图像序列的行人行为类别检测方法，包括：1、训练测试数据集的采集与处理，通过摄像头采集多场景下的行人行为视频，利用deep‑sort对视频中的目标人物进行检测跟踪制作目标图像序列；2、根据方法的需求搭建基于时空网络的判别模块以及未来帧预测网络模块；3、对的两个模块进行训练，使整个模型达到最优状态并保存模型参数；4、利用已训练好的模型对行人行为类别进行检；5、使用的网络模型利用两个判别模块联合优化模型来进行训练，将各个模块连接组成系统，对视频中的行人行为进行检测分类。本发明能很好的捕捉到图像序列的空间信息以及时间信息，从而提升对行为检测的准确性。
-
公开(公告)号：CN112257662A
公开(公告)日：2021-01-22
申请号：CN202011259109.9
申请日：2020-11-12
Applicant: 安徽大学
Abstract: 本发明公开了一种基于深度学习的压力足迹图像检索系统，包括数据预处理、最优网络训练、入库和检索功能三个阶段，本发明通过深度学习的方法设计了一种足迹特征学习网络对压力足迹数据进行拟合训练，并将训练好的模型进行迁移，将足迹检索智能化，同时整个过程不需要人的干预，就能得到较好的性能，解决了传统的人力检索方式不但耗时耗力，而且参有专家的一些主观因素，所以结果往往是不稳定的。
-
公开(公告)号：CN108765476A
公开(公告)日：2018-11-06
申请号：CN201810567470.4
申请日：2018-06-05
Applicant: 安徽大学
IPC: G06T7/33
CPC classification number: G06T7/33 , G06T2207/10048
Abstract: 本发明涉及一种偏振图像配准方法，与现有技术相比解决了尚无针对于偏振图像进行配准方法的缺陷。本发明包括以下步骤：偏振图像的获取；偏振图像的特征提取；初选特征匹配；变换参数模型的获得；调整变换模型的平移参数；配准结果的获得。本发明充分考虑了偏振图像的图像特点，实现了偏振图像之间的配准，对各种环境下的偏振图像的配准精度均能达到亚像素要求。
-
公开(公告)号：CN118210941B
公开(公告)日：2024-11-12
申请号：CN202410325445.0
申请日：2024-03-21
Applicant: 安徽大学
IPC: G06F16/583 , G06V10/44 , G06V10/46 , G06V10/82 , G06V10/77 , G06V40/10 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于高阶时空关系的跨域成趟足迹压力图像检索系统，包括以下步骤：采集窗口获取待查询的穿鞋足迹压力图像并送入处理器进行处理；在该系统的目录下添加训练得到的最优模型和加载底库中的赤足足迹压力图像；利用系统计算待查询的足迹压力图像与底库中足迹压力图像的相似性；利用系统中的跨域成趟足迹压力检索功能得到底库中与待查询穿鞋足迹压力图像最相似的赤足足迹压力图像；将最终的检索结果在显示窗口中打印出来。本发明涉及图像处理领域，该种基于高阶时空关系的跨域成趟足迹压力图像检索系统，解决了现有的足迹检索只针对同域单枚足迹的局限性，进一步挖掘足迹间的时空依赖关系及提高穿着不同鞋型的识别准确率。
-
公开(公告)号：CN118587498A
公开(公告)日：2024-09-03
申请号：CN202410738717.X
申请日：2024-06-07
Applicant: 安徽大学
IPC: G06V10/764 , G06V10/82 , G06V10/40 , G06V10/774 , G06T7/00 , G06N3/0895 , G06N3/094 , G06N3/0475 , G06N3/0464
Abstract: 本发明公开了一种结合生成对抗网络的半监督学习宫颈上皮内瘤变程度分类方法及系统，方法包括：基于改进的生成对抗网络GAN生成逼真阴道镜醋酸图像，通过超分辨率生成对抗网络SRGAN对所述逼真阴道镜醋酸图像进行优化；基于深度残差网络ResNet为优化后的逼真阴道镜醋酸图像生成伪标签，并基于优化后的逼真阴道镜醋酸图像与有真实标签的图像对所述ResNet网络进行训练，直至伪标签不再变化，保留训练后的ResNet网络；将独立的阴道醋酸镜图像输入至训练后的ResNet网络中，进行宫颈上皮内瘤变程度分类。本发明能更好地适应阴道镜图像样本覆盖不充分的情况，减少数据偏差的影响。
-
Patent Agency Ranking
公开(公告)号：CN118521443A
公开(公告)日：2024-08-20
申请号：CN202410993928.8
申请日：2024-07-24
Applicant: 安徽大学
IPC: G06Q50/20 , G06F18/22 , G06N3/0455 , G06N5/022 , G06N5/045 , G06F16/332
Abstract: 本发明涉及教育技术领域，特别是涉及大模型赋能的数字人教学辅助系统，包括：鉴权模块，用于用户输入身份信息进行登录，并对身份信息进行验证；教学内容模块，用于登录成功的用户输入学习内容，基于预训练的大模型根据学习内容提供教学内容；更新维护模块，用于用户学习完成后进行用户反馈，基于用户反馈对系统进行更新优化。本发明能够模拟真实教师的行为和教学策略，为学生提供个性化的学习支持和互动式学习环境。
-
公开(公告)号：CN118196435A
公开(公告)日：2024-06-14
申请号：CN202410323240.9
申请日：2024-03-21
Applicant: 安徽大学
IPC: G06V10/44 , G06V40/10 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于语义分割的现场赤足足迹提取与分析系统，包括以下步骤：获取待提取的现场赤足足迹图像，图像中存在标尺；将采集到的图像送入处理器中进行处理；利用系统中图像分割功能对带标尺的赤足足迹图像进行分割，得到赤足足迹分割结果；利用系统中的分析功能初步推测出足迹拥有者的鞋码、身高、性别、体重等生理特征；最终将赤足提取的结果图像和特征分析结果在显示窗口中打印出来。本发明涉及图像处理领域，该种基于语义分割的现场赤足足迹提取与分析系统可自动提取现场足迹并给出初步分析，尤其针对存在阴影、图像模糊等客观因素影响人工足迹提取的情况，提高对足迹图像提取的效率和准确性。
-
公开(公告)号：CN113469050B
公开(公告)日：2024-06-14
申请号：CN202110746048.7
申请日：2021-07-01
Applicant: 安徽大学
IPC: G06V20/40 , G06V20/52 , G06V10/30 , G06V10/774 , G06V10/764
Abstract: 本发明涉及图像处理、深度学习技术领域，涉及一种基于图像细分类的火焰检测方法，包括以下步骤：步骤1、收集火焰图像，对数据预处理，制作成火焰数据集；步骤2、根据火焰数据集，训练CenterNet检测器，保存最佳的模型；步骤3、准备火焰与非火焰的二分类数据集；步骤4、在MobileNetV2分类模型的倒置残差模块间引入注意力模块BAM，训练二分类模型；步骤5、CenterNet检测出图像的前景目标K，然后将前景目标K裁剪成图像块送入分类模型中，进行细分类，以滤除与火焰相似的误检物体。本发明不仅可以实现远距离的火灾监测，而且检测效果更好。
-
公开(公告)号：CN111612727B
公开(公告)日：2023-09-12
申请号：CN202010395588.0
申请日：2020-05-12
Applicant: 安徽大学
IPC: G06T5/50 , G06T5/00 , G06T7/10 , G06N3/045 , G06N3/0475 , G06N3/0464
Abstract: 本发明公开了一种光学足迹图像映射压力足迹图像的方法，包括以下步骤：S1:光学足迹图像的采集；S2:压力足迹图像的采集；S3:对S2中采集到的压力足迹图像进行滤波去噪；S4:将S1中的光学足迹图像和S3中的去噪后的压力足迹图像合并成一个图像，作为训练图像；S5:将多个训练图像导入到计算机内，利用Pix2Pix算法，由其生成器和判别器的不断博弈，得到最优模型；S6:采集单张光学足迹图像，导入到S5中得到的最优模型内，映射出压力足迹图像。该种光学足迹图像映射压力足迹图像的方法，可实现将光学足迹图像映射成压力足迹图像，从而为公安和科研工作人员提供可靠的目标个体的压力足迹图像，用于分析其形态特征。
-
公开(公告)号：CN116612540A
公开(公告)日：2023-08-18
申请号：CN202310641898.X
申请日：2023-05-31
Applicant: 安徽大学
Abstract: 本发明涉及基于多任务交互增强的足迹图像人体生物特征估计方法，与现有技术相比解决了通过足迹预测人体生物特征时基于单一预测、多任务相互冲突的缺陷。本发明包括以下步骤：采集数据集并进行预处理；构造足迹多任务交互增强生物特征估计网络；足迹多任务交互增强生物特征估计网络的训练；待估计足迹图像的获取与预处理；足迹图像人体生物特征估计结果的获得。本发明所涉及的足迹多任务交互增强生物特征估计网络不但具有很强的特征表达能力和预测能力，还一定程度解决了多任务训练任务相互冲突的问题，提高了足迹生物特征预测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
87
records
(took 0.059 seconds)
