公开(公告)号：CN119599892A

公开(公告)日：2025-03-11

申请号：CN202411591967.1

申请日：2024-11-08

Applicant: 厦门大学

Inventor： 姚俊峰 ,  荣飞鹏 ,  李金文

IPC: G06T5/60 ,  G06N3/0455 ,  G06N3/0985 ,  G06N3/0464 ,  G06N3/0442

Abstract: 本发明提供了图像复原技术领域的一种基于深度学习的All‑In‑One图像复原方法，包括：步骤S1、获取大量的原始图像，对各原始图像进行随机化处理得到对应的噪声图像，基于各原始图像以及噪声图像构建数据集；步骤S2、基于提示网络、编码器以及解码器创建一图像复原模型，设定图像复原模型的损失函数；提示网络、编码器以及解码器依次连接；编码器设有若干个数据流架构块；解码器设有若干个提示块；步骤S3、通过数据集对图像复原模型进行训练，训练过程中不断优化图像复原模型的超参数；步骤S4、对训练后的图像复原模型进行部署，利用部署的图像复原模型进行图像复原。本发明的优点在于：极大的提升了图像复原的泛化能力以及复原质量。

公开(公告)号：CN114519796B

公开(公告)日：2025-03-07

申请号：CN202210101620.9

申请日：2022-01-27

Applicant: 厦门大学

Inventor： 刘昆宏 ,  杨千慧 ,  姚俊峰 ,  谢瑜 ,  黄祥逸

IPC: G06V10/75 ,  G06V10/74 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V20/10 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08 ,  B25J13/08

Abstract: 本发明提供了机器人触觉感知技术领域的一种基于深度神经网络的机器人材质识别方法及系统，方法包括如下步骤：步骤S10、机器人通过安装于机械臂末端的电子皮肤，在不同工况下分批次采集大量的材质图像；步骤S20、基于结构相似性计算各批次的所述材质图像之间的相似度，基于各所述相似度构建数据集；步骤S30、基于深度神经网络创建一材质识别模型，利用所述数据集对材质识别模型进行训练；步骤S40、机器人利用训练后的所述材质识别模型，对新的工况下电子皮肤采集的图像进行实时的材质识别，并实时输出识别结果。本发明的优点在于：极大的提升了机器人材质识别的准确性、稳定性以及泛化能力。

公开(公告)号：CN113081004B

公开(公告)日：2025-03-04

申请号：CN202110201948.3

申请日：2021-02-23

Applicant: 厦门大学

Inventor： 姚俊峰 ,  许梅燕

IPC: A61B5/374

Abstract: 一种基于脑电运动想象的小样本特征提取方法，涉及脑电信号处理技术领域，所述方法包括：步骤一、数据提取；步骤二、数据分割；步骤三、特征提取；步骤四、特征矢量权重提取。本发明利用尽可能少且带有关键特征的脑电信息，进行运动想象分类，进一步提高脑电运动想象分类效率。

公开(公告)号：CN118644874A

公开(公告)日：2024-09-13

申请号：CN202410623791.7

申请日：2024-05-20

Applicant: 厦门大学

Inventor： 姚俊峰 ,  张则鸣 ,  刘逸先

IPC: G06V40/10 ,  G06V40/20 ,  G06V10/44 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提供了钢琴演奏识别技术领域的一种基于RCF网络的钢琴演奏姿势与手势识别方法及系统，方法包括如下步骤：步骤S1、获取大量的不同图像质量的钢琴演奏图像，基于各钢琴演奏图像构建训练集以及测试集；步骤S2、基于RCF网络创建一钢琴演奏姿势与手势识别模型，设定钢琴演奏姿势与手势识别模型的损失函数为二分类交叉熵损失函数，在二分类交叉熵损失函数前添加sigmoid层；步骤S3、通过训练集对钢琴演奏姿势与手势识别模型进行训练，通过测试集对训练后的钢琴演奏姿势与手势识别模型进行测试；步骤S4、通过测试后的钢琴演奏姿势与手势识别模型进行钢琴演奏姿势与手势的识别。本发明的优点在于：极大的提升了钢琴演奏姿势与手势识别精度。

公开(公告)号：CN114708627B

公开(公告)日：2024-05-31

申请号：CN202210186949.X

申请日：2022-02-28

Applicant: 厦门大学

Inventor： 刘昆宏 ,  陈滨 ,  姚俊峰 ,  林伟平 ,  叶晓娜 ,  刘佳桐

IPC: G06V40/16 ,  G06V10/82 ,  G06V10/44 ,  G06V10/62 ,  G06V10/764 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/082

Abstract: 本发明公开一种应用于社交机器人的人脸微表情识别方法。步骤一：社交机器人从摄像头获取视觉输入。步骤二：社交机器人的中央处理单元对视觉输入进行人脸定位。步骤三：中央处理单元提取四种光流信息的输入组。步骤四：将输入组传入训练好的分块卷积网络中，得到分类后的微表情状态。步骤五：社交机器人的交互层根据用户不同的微表情状态来进行相应的响应。本发明设计了一个全新的基于深度特征增强的分块卷积网络，提高了微表情识别的泛化性和鲁棒性，并应用于社交机器人，使得社交机器人可以实时地根据用户的微表情状态实施不同的响应方式。

公开(公告)号：CN117854132A

公开(公告)日：2024-04-09

申请号：CN202311718340.3

申请日：2023-12-14

Applicant: 厦门大学

Inventor： 姚俊峰 ,  蔡堪佳

IPC: G06V40/16 ,  G06V10/774 ,  G06V20/70 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明提供了人脸检测技术领域的一种多尺度密集人脸检测方法及系统，方法包括如下步骤：步骤S1、基于特征金字塔模块、特征融合模块以及感受野增强模块创建一人脸检测模型；步骤S2、获取大量的人脸图像，基于各人脸图像构建数据集，对数据集中的各人脸图像进行预处理和标注；步骤S3、将数据集划分为训练集、验证集以及测试集；步骤S4、通过训练集对人脸检测模型进行训练，通过验证集对训练后的人脸检测模型进行验证；步骤S5、通过测试集对验证后的人脸检测模型进行测试，并不断优化人脸检测模型的损失函数以及超参数；步骤S6、利用测试后的人脸检测模型进行多尺度密集人脸检测。本发明的优点在于：大幅度提升了多尺度密集人脸检测精度。

公开(公告)号：CN116959391A

公开(公告)日：2023-10-27

申请号：CN202310681821.5

申请日：2023-06-09

Applicant: 厦门大学

Inventor： 姚俊峰 ,  周雅兰 ,  王钰菲

IPC: G10H1/00 ,  G10H1/32

Abstract: 本发明提供了钢琴模拟演奏技术领域的一种机械手演奏钢琴模拟方法及系统，方法包括如下步骤：步骤S10、获取钢琴乐谱文件，将所述钢琴乐谱文件转换为音符序列；步骤S20、基于贪心算法，计算机械手在演奏各所述音符序列时的指法；步骤S30、基于钢琴键和机械手的手指在屏幕的位置，计算各所述指法下手指的移动轨迹；步骤S40、基于所述音符序列对钢琴乐谱文件进行自动播放，同时基于所述移动轨迹模拟机械手在钢琴上的弹奏。本发明的优点在于：极大的提升了机械手演奏钢琴的模拟效果。

公开(公告)号：CN116884014A

公开(公告)日：2023-10-13

申请号：CN202310681841.2

申请日：2023-06-09

Applicant: 厦门大学

Inventor： 姚俊峰 ,  张帆 ,  王钰菲

IPC: G06V30/19 ,  G06V30/16 ,  G06T5/00 ,  G06T5/30 ,  G06T7/10

Abstract: 本发明提供了乐谱数据集构建技术领域的一种基于图像处理的乐谱数据集生成方法及系统，方法包括如下步骤：步骤S10、获取大量的乐谱文件，将各所述乐谱文件转换为乐谱图片；步骤S20、对各所述乐谱图片进行预处理；步骤S30、对预处理后的各所述乐谱图片进行分割，得到若干张乐谱子图片；步骤S40、对各所述乐谱子图片进行标注；步骤S50、设定包含若干个图像增强规则的规则集，从所述规则集中随机选取若干个图像增强规则，依次对标注后的各所述乐谱子图片进行图像增强操作；步骤S60、基于图像增强后的各所述乐谱子图片生成乐谱数据集。本发明的优点在于：极大的提升了乐谱数据集的多样性。

公开(公告)号：CN116227486A

公开(公告)日：2023-06-06

申请号：CN202211609151.8

申请日：2022-12-14

Applicant: 厦门大学

Inventor： 姚俊峰 ,  简忠权 ,  吴清强

IPC: G06F40/289 ,  G06F40/30 ,  G06F40/211 ,  G06F18/22 ,  G06F18/241 ,  G06F18/214 ,  G06N3/08

Abstract: 本发明提供了自然语言处理技术领域的一种基于检索和对比学习的情感分析方法，包括：步骤S10、获取大量的情感文本数据，并对各情感文本数据进行预处理；步骤S20、提取预处理后的各情感文本数据中的实体，对各实体进行标注以构建样本，进而生成情感数据集；步骤S30、通过E l ast i csearch对所述情感数据集中的样本进行倒排索引，为各所述样本检索与其相似的样本；步骤S40、基于神经网络创建一情感分类模型，利用情感数据集对情感分类模型进行训练，训练的同时，使用对比学习技术拉近各样本与相似的样本的向量距离；步骤S50、利用训练完成的情感分类模型进行情感分析。本发明的优点在于：极大的提升了模型情感表示能力，进而极大的提升了情感分类性能。

公开(公告)号：CN115170604A

公开(公告)日：2022-10-11

申请号：CN202210422661.8

申请日：2022-04-21

Applicant: 厦门大学

Inventor： 郭诗辉 ,  江潇 ,  姚俊峰 ,  陈志鹏 ,  石祥仁

IPC: G06T7/246 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了运动跟踪技术领域的一种基于区域显著性分析的人体运动跟踪方法及系统，方法包括如下步骤：步骤S10、基于卷积神经网络创建一门控网络模型以及若干个专家模型，对各所述门控网络模型以及专家模型进行训练；步骤S20、获取人体姿态数据以及柔性传感器的监测数据；步骤S30、将所述人体姿态数据输入门控网络模型，获取各所述专家模型的权重系数；步骤S40、将所述监测数据分别输入各专家模型得到姿态预测结果，基于所述权重系数以及姿态预测结果得到当前帧的人体姿态，进而完成人体运动跟踪。本发明的优点在于：极大的提升了人体运动跟踪的精度。