-
公开(公告)号：CN118968632A
公开(公告)日：2024-11-15
申请号：CN202411440220.6
申请日：2024-10-15
Applicant: 电子科技大学
IPC: G06V40/20 , G06V40/10 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于神经网络的姿态识别方法。该方法采用基于数据的姿态识别技术，收集用户操作时加速度传感器和陀螺仪传感器的数据，建立姿态数据库，利用神经网络从中学习人体姿态的规律，从而根据当前用户传感器的数据估计出人体姿态，所述加速度传感器测量物体在三个轴上的加速度，陀螺仪传感器测量物体在三个轴上的角速度，通过测量得到的加速度和角速度计算物体的姿态角，从而判断出物体的姿态，采用的神经网络为根据长短期记忆网络LSTM和Dense网络修改的新的时间递归神经网络。通过本发明方案，减少了过拟合的发生，有效提高了分类器的性能，从而提升了姿态识别的效率。
-
公开(公告)号：CN118379512A
公开(公告)日：2024-07-23
申请号：CN202410602366.X
申请日：2024-05-15
Applicant: 电子科技大学 , 喀什地区电子信息产业技术研究院
Abstract: 本发明公开了一种级联型全局描述符聚合的视觉场景识别方法，摒弃以往主流的局部特征聚合技术，提出一种新的整体特征聚合方案，利用具有SCA模块和GIA模块的GICNet模型完成，包括下述步骤：1)利用嵌入SCA模块的改进CNN主干网络提取查询图像I的中间特征表达FSCA；2)将3‑D张量的中间特征表达FSCA重新塑造为一个2‑D表示，得到展平特征图Fflat，此时的2‑D张量的展平特征图Fflat视为一组大小为d的1‑D特征；3)将展平特征图Fflat输入到GIA模块中进行处理，利用全连接层的能力递归地将通道方向和空间方向上的全局关系合并到2‑D展平的特征图Fflat的每个元素中，最终得到鲁棒性的全局描述子FGIA；将全局描述子FGIA依次进行展平操作和L2‑norm处理，得到查询图像I的最终的1‑D判别向量Fdiscr。
-
公开(公告)号：CN117132636A
公开(公告)日：2023-11-28
申请号：CN202311086575.5
申请日：2023-08-25
Applicant: 电子科技大学 , 喀什地区电子信息产业技术研究院
IPC: G06T7/55 , G06T7/80 , G06T7/73 , G06N3/0464 , G06N3/048 , G06N3/08 , G01S11/12 , G01B11/26 , G01B11/14
Abstract: 本发明公开了基于深度学习和模板匹配的双目摄像头测距方法及终端，属于扫地机器人技术领域，包括：将双目摄像头采集的对应两幅图像进行极线约束处理；对其中一摄像头采集的图像进行目标检测处理，得到目标框，并作为模板；以另一摄像头采集的图像为目标图，基于目标框位置范围在目标图中水平搜索模板，得到模板在目标图的位置，并计算视差；将视差转为三维坐标，得到目标物体的距离信息、角度信息。基于极线约束的作用，对模板的搜索范围能够被限制在同一极线上，使搜索范围由全局变为局部，大大提高了图像处理速度，能够满足实时性检测要求；模板匹配过程中考虑的是物体整体信息，能有效避免缺失特征点的问题，不会出现漏检的问题。
-
公开(公告)号：CN117132620A
公开(公告)日：2023-11-28
申请号：CN202311089704.6
申请日：2023-08-28
Applicant: 电子科技大学 , 喀什地区电子信息产业技术研究院
IPC: G06T7/246
Abstract: 本发明公开了一种自动驾驶场景的多目标跟踪方法、系统、存储介质及终端，属于自动驾驶领域，包括：对每一帧输入图像进行三维目标检测；将当前的所有三维目标框投影至鸟瞰图，得到检测框；判断历史生成的物体对象是否在视野范围内，将在视野范围内的物体投影至鸟瞰图，得到目标框；计算所述检测框与目标框的交并比；根据所述交并比的计算结果判断物体是否被成功跟踪；剔除被成功跟踪的动态物体内的特征点。本发明将三维目标检测结果投影至鸟瞰图中，建立当前检测物体与历史生成物体的匹配关系，并根据该匹配关系跟踪多目标，同时剔除动态框内特征点，不受动态物体的的干扰，估计准确。
-
公开(公告)号：CN116486452A
公开(公告)日：2023-07-25
申请号：CN202310352487.9
申请日：2023-04-04
Applicant: 电子科技大学(深圳)高等研究院
Abstract: 本申请提供了人脸识别方法和系统。在该方法中，包括：获取待识别人脸图像，待识别人脸图像包括遮挡区域和非遮挡区域；通过训练后的遮挡人脸识别模型中的特征提取网络，对待识别人脸图像进行特征提取得到第一特征图；通过训练后的遮挡人脸识别模型中的特征增强网络，对第一特征图中的非遮挡区域特征进行增强得到第二特征图；通过训练后的遮挡人脸识别模型中的人脸识别网络，对第二特征图进行识别得到待识别人脸图像的人脸识别结果。本申请中特征提取网络可以增强人脸特征在低分辨率下的鲁棒性和分类能力，特征增强网络对非遮挡区域特征进行加权，从而使得人脸识别结果准确率更高。
-
Patent Agency Ranking
-
公开(公告)号：CN109143161B
公开(公告)日：2023-01-10
申请号：CN201811155779.9
申请日：2018-09-30
Applicant: 电子科技大学
IPC: G01S5/02 , H04W64/00 , H04B17/318
Abstract: 本发明属于室内定位技术领域，涉及基于混合指纹质量评价模型的高精度室内定位方法。本发明首先在离线阶段构建群指纹，相比于传统指纹定位方法只使用RSS指纹，本方法还引入了信号强度差指纹和双曲线定位指纹，它们由AP间的相对信息提取得到，对RSS波动更加稳健。在线定位阶段，接收到待定位目标信号后，首先构建多支撑集。然后通过引入混合指纹质量对多支撑集进行概率建模，获得混合指纹质量评价模型。最后利用Gibbs‑EM算法求解模型获得位置估计。相比于传统指纹融合方法，本方法提出的混合指纹质量在线上阶段实时估计，无需离线阶段的权值训练，存储和匹配，因此消除了传统融合方法中的匹配误差并减少了系统负担。
-
公开(公告)号：CN115273142A
公开(公告)日：2022-11-01
申请号：CN202210786984.5
申请日：2022-07-04
Applicant: 电子科技大学
Abstract: 本发明公开了一种行人重识别图像的处理方法及系统，所述系统包括自监督重标定块和神经网络模型，所述自监督重标定块包括图像输入模块、平均池化模块、最大池化模块、第一挤压‑激励模块、第二挤压‑激励模块、第三挤压‑激励模块、加权融合模块、CRB复合卷积模块和图像输出模块；所述方法基于系统实现。本发明通过平均池化与全局池化相结合的方式聚合待处理特征图的空间信息，并以通过互补性加权的方式同时融合了全局平均信息和局部显著性信息，能够推断出更精细的通道注意力掩码，从而增强了通道特征之间的相互依赖关系并得到特征增强的特征图，同时整个处理过程还有效控制计算量的增加。
-
公开(公告)号：CN113095221B
公开(公告)日：2022-10-18
申请号：CN202110391644.8
申请日：2021-04-13
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于属性特征和身份特征融合的跨域行人重识别方法，采用基于属性特征和身份特征融合的跨域行人重识别模型实现，所述基于属性特征和身份特征融合的跨域行人重识别模型设置有卷积及池化层、4个残差模块，在每一个残差模块之后皆插入一个注意力和风格归一化模块，在第3个注意力和风格归一化模块之后引出一条属性分支，所述属性分支包含属性特征提取模块和特征融合模块，所述属性分支的特征提取模块所提取到的属性特征将与第4个所述注意力和风格归一化模块所得域不变全局特征进行融合；利用具有很好泛化能力和鲁棒性的基于属性特征和身份特征融合的跨域行人重识别模型进行行人重识别。
-
公开(公告)号：CN115086068A
公开(公告)日：2022-09-20
申请号：CN202210845301.9
申请日：2022-07-19
Applicant: 电子科技大学
Abstract: 本发明实施例涉及计算机安全技术领域，提供一种网络入侵检测方法和装置，通过对从待检测网络设备中抓取的网络流量进行解析处理来得到解析数据，然后对解析数据进行入侵检测来得到包括第一目标文件和第二目标文件的目标文件，最后分别利用预设的第一入侵检测策略和第二入侵检测策略来对第一目标文件和第二目标文件进行入侵检测，这样能够有效地提高网络入侵检测的检出率。
-
-
-
-
-
-
-
-
-
Search Results
156
records
(took 0.025 seconds)
