-
公开(公告)号：CN118587332A
公开(公告)日：2024-09-03
申请号：CN202410638777.4
申请日：2024-05-22
Applicant: 西南交通大学
IPC: G06T13/40 , G06T3/4007 , G06T3/4046 , G06T3/60 , G06T5/70 , G06N3/04 , G06N3/084 , G06T17/00
Abstract: 本发明涉及计算机视觉技术领域，公开了一种基于姿势变换的人体网格重建方法，通过神经网络从初始姿势到目标姿势的姿势变换。本发明解决了现有技术存在的准确性低等问题。
-
公开(公告)号：CN118537643A
公开(公告)日：2024-08-23
申请号：CN202410669388.8
申请日：2024-05-28
Applicant: 西南交通大学
IPC: G06V10/764 , G06V10/44 , G06T3/4038 , G06T5/50 , G06V10/80 , G06V10/774 , G06V10/77 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及计算机视觉技术领域，公开了一种X光违禁物品检测方法及系统，该方法构建神经网络检测X光图像；其中，神经网络包括去遮挡模块，去遮挡模块用以：基于边界信息、材料信息提取违禁物品的局部特征。本发明解决了现有技术存在的检测的准确率低、误检和漏检的风险高等问题。
-
公开(公告)号：CN117796801A
公开(公告)日：2024-04-02
申请号：CN202410002746.X
申请日：2024-01-02
Applicant: 西南交通大学
IPC: A61B5/145 , A61B5/00 , G01N27/327 , G01N27/48
Abstract: 本申请涉及一种汗液检测用装置及其制备方法，属于体外检测技术领域；方法包括：得到检测电极层；把第一原料配制成第一溶液，后进行第一静电纺丝，得到疏水纤维膜层，所述第一静电纺丝的时间为2～5h；把第二原料配制成第二溶液，后进行第二静电纺丝，得到亲水纤维膜层，所述第二静电纺丝的时间为2～5h；将所述疏水纤维膜层、检测电极层和亲水纤维膜层依次层叠设置，得到汗液检测用装置；通过控制第一静电纺丝和第二静电纺丝的时间，使得制得的疏水纤维膜层和亲水纤维膜层分别具有较好的单向排水性能和和反渗透性能，进而能够避免在使用时新旧汗液浓度的混合，提高对汗液检测的准确性。
-
公开(公告)号：CN116824631B
公开(公告)日：2024-02-27
申请号：CN202310702759.3
申请日：2023-06-14
Applicant: 西南交通大学
IPC: G06V40/10 , G06V10/82 , G06V10/80 , G06V10/52 , G06V10/774 , G06V10/776 , G06N3/0464 , G06N3/048 , G06N3/045 , G06N3/0442 , G06N3/08 , G06N3/042 , G06N5/04
Abstract: 本发明涉及计算机视觉技术领域，公开了一种姿态估计方法及系统，该方法，对网络模型进行多层次渐进式特征融合，通过关键点的权重信息对网络模型进行约束，将多个阶段的融合特征、分布权重以及损失作为网络模型的输出。本发明解决了现有技术存在的难以实现姿态估计的精细化预测、影响姿态估计的准确性等问题。(56)对比文件KR 20230083212 A,2023.06.09US 2022414928 A1,2022.12.29CN 115311317 A,2022.11.08CN 111898566 A,2020.11.06US 2022262036 A1,2022.08.18沈栎;陈莹.带特征监控的高维信息编解码端到端无标记人体姿态估计网络.电子学报.2020,(第08期),74-83.Bruno Artacho.UniPose+: A UnifiedFramework for 2D and 3D Human PoseEstimation in Images and Videos. IEEETransactions on Pattern Analysis andMachine Intelligence .2022,9641 - 9653.赵佳圆等.基于注意力机制的人体关键点隐式建模网络.计算机工程.2023,1-13.吴青科等.结合神经网络与多列特征图聚合的人群计数.计算机工程与应用.2020,214-218.刘浩.基于神经网络方法的图像描述研究综述.现代计算机.2020,(第08期),101-104.
-
公开(公告)号：CN117392621A
公开(公告)日：2024-01-12
申请号：CN202311469888.9
申请日：2023-11-07
Applicant: 西南交通大学
Abstract: 本发明涉及计算机视觉技术领域，公开了一种机动车右转不礼让行人行为识别方法及系统，该方法，包括以下步骤：S1，目标检测跟踪：检测并跟踪视频画面中的目标，形成目标的实时轨迹；其中，目标包括机动车、行人；S2，道路场景识别：识别道路场景；S3，行为识别：识别机动车右转不礼让行人行为；其中，步骤S1、步骤S2的顺序可交换，也可同时执行。本发明解决了现有技术存在的人力投入较大、工作效率较低等问题。
-
Patent Agency Ranking
公开(公告)号：CN116824631A
公开(公告)日：2023-09-29
申请号：CN202310702759.3
申请日：2023-06-14
Applicant: 西南交通大学
IPC: G06V40/10 , G06V10/82 , G06V10/80 , G06V10/52 , G06V10/774 , G06V10/776 , G06N3/0464 , G06N3/048 , G06N3/045 , G06N3/0442 , G06N3/08 , G06N3/042 , G06N5/04
Abstract: 本发明涉及计算机视觉技术领域，公开了一种姿态估计方法及系统，该方法，对网络模型进行多层次渐进式特征融合，通过关键点的权重信息对网络模型进行约束，将多个阶段的融合特征、分布权重以及损失作为网络模型的输出。本发明解决了现有技术存在的难以实现姿态估计的精细化预测、影响姿态估计的准确性等问题。
-
公开(公告)号：CN116559898A
公开(公告)日：2023-08-08
申请号：CN202310447540.3
申请日：2023-04-24
Applicant: 中铁武汉电气化局集团上海电气有限公司 , 西南交通大学
Abstract: 本发明公开了一种轨旁信号设备限界检测补偿系统，本发明用于轨旁信号设备限界检测时，只需在测量开始时调整好AI相机和激光雷达的位置与角度，将AI相机与激光雷达调整至与各轨旁信号设备相持平的高度，在车载轨道智慧检测平台按下开始测量按钮即可开始测量，全程自动测量无需手动调整，随着轨检车的移动实时获取轨旁信号设备的距离数据。本发明增加了限界补偿模块，减少由于车辆振动产生的测量误差，理论上提高了限界测量的精度。
-
公开(公告)号：CN115601601A
公开(公告)日：2023-01-13
申请号：CN202211398952.4
申请日：2022-11-09
Applicant: 西南交通大学(CN)
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/40 , G06N3/08
Abstract: 本发明公开了一种基于Transformer的隧道施工人员检测方法，包括以下步骤：S1、对隧道施工人员进行图片采集，并对采集的图片进行分类别标注，得到训练集；S2、将训练集输入多级Transformer网络，得到特征图集；S3、将特征图集输入目标检测网络，得到检测结果，完成复杂隧道环境施工人员检测。本发明提供的一种基于Transformer的隧道施工人员检测方法，通过多级Transformer网络学习后可实时准确识别隧道施工人员是否穿戴安全帽和反光衣，可进行连续不间断监测，改变了传统人工巡查的工作方式，提高了工作效率，进而提高了安全管理水平。
-
公开(公告)号：CN114494999A
公开(公告)日：2022-05-13
申请号：CN202210058467.6
申请日：2022-01-18
Applicant: 西南交通大学
IPC: G06V20/52 , G06V10/774 , G06V10/764 , G06V10/82 , G06V10/62 , G06K9/62 , G06T7/73 , G06N3/04 , G06N3/08 , G06Q10/04
Abstract: 本发明涉及目标密集预测技术领域，公开了本发明提供了一种双分支联合型目标密集预测方法及系统。该双分支联合型目标密集预测方法，包括以下步骤：S1，利用待预测目标的图像生成特征图；S2，利用特征图中的计数特征生成预测密度图，以及，利用特征图中的定位特征生成预测位置图；S3，利用生成预测位置图的过程信息对生成的预测密度图进行更新优化，和/或，利用生成预测密度图的过程信息对生成的预测位置图进行更新优化。本发明解决了现有技术存在的密度图位置信息衰减以及对目标位置预测不准确等问题。
-
公开(公告)号：CN112200089B
公开(公告)日：2021-09-14
申请号：CN202011081936.3
申请日：2020-10-12
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于车辆计数感知注意力的稠密车辆检测方法，基于深度学习网络模型检测密集环境下的车辆，网络模型包括车辆数量感知网络模型和稠密目标检测网络模型，通过车辆计数感知注意力模块将两个网络模型集成，增强了车辆检测的有效特征，通过构建车辆计数密度图有效地表示车辆的语义信息和空间信息，计算基于交叉熵的车辆数量感知损失函数，监督模型学习车辆的语义信息和空间信息，提高了网络模型的车辆检测效果。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.031 seconds)
