-
公开(公告)号：CN107220594A
公开(公告)日：2017-09-29
申请号：CN201710316806.5
申请日：2017-05-08
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于相似度保留堆叠自编码器的人脸姿态重建与识别方法，其特征是，包括如下步骤：1）多角度人脸图像的姿态角度步进减小；2）目标姿态特征提取；3）构建相似度保留自编码器的总损失函数；4）堆叠相似度保留自编码器；5）训练并微调网络；6）重建与识别：将重建好的正脸图像和网络的最高隐含层特征分别使用线性判别分析法，即LDA法进行降维来提取具有判别性的人脸特征，并用最近邻分类器完成人脸识别。这种方法能够消除人脸图像的姿态角度偏转影响、能够提取到人脸对于多姿态变化更具鲁棒性的特征，且提取到的姿态特征能和原始正脸图像的特征相匹配，从而提高识别率。
-
公开(公告)号：CN107180248A
公开(公告)日：2017-09-19
申请号：CN201710436670.1
申请日：2017-06-12
Applicant: 桂林电子科技大学
CPC classification number: G06K9/6267 , G06K9/6256 , G06N3/084
Abstract: 本发明公开了基于联合损失增强网络的高光谱图像分类方法，其特征是，包括如下步骤：1）PCA降维；2）空间领域块提取；3）编码路径特征提取；4）分类任务训练目标建立；5）解码路径特征提取与重建；6）网络联合训练；7）高光谱测试分类。这种方法可在同一网络结构下，通过端到端的训练方式，联合学习重建损失及分类判别损失函数，从而充分利用高光谱图像的空谱信息，自动削弱CNN对不重要特征变量的学习，以此来降低高光谱分类模型的复杂度，同时，减少高光谱图像分类方法对标签样本的依赖性、提升分类精度。
-
公开(公告)号：CN104504118A
公开(公告)日：2015-04-08
申请号：CN201410845467.6
申请日：2014-12-31
Applicant: 桂林电子科技大学 , 桂林宇辉信息科技有限责任公司
CPC classification number: G06F9/448
Abstract: 本发明公开了一种工作流建模数据的存储和读取方法，所述方法包括基于XPDL的基本图形转换成XML文档和XML文档转换成基于XPDL的基本图形；所述基于XPDL的基本图形转换成XML文档，包括如下步骤：（1）通过加载动态连接库把需要的建模图形元素加载到建模工具中。（2）拖拽图形元素到建模编辑区域，建模工具自动创建与之对应的组件。（3）将创建好的组件序列化，生成基于XPDL的基本图形相对应的XML文档。所述XML文档转换成基于XPDL的基本图形，包括如下步骤：（1）通过反序列化操作，把XML文档转化为组件。（2）通过调用组件绘制图形元素的方法，把组件转化为基本图形。本发明是一种高效率的工作流建模数据存储和读取方法。
-
公开(公告)号：CN104112286A
公开(公告)日：2014-10-22
申请号：CN201410376417.8
申请日：2014-08-01
Applicant: 桂林电子科技大学
Abstract: 本发明提供了一种基于几何结构特征和自相似性的图像压缩感知重构方法。包括判定图像块的结构类型；使用同步正交匹配追踪算法对每个图像块获得重构估计值；为每个图像块进行局部和非局部相似块匹配；产生初始解集，进行优化，得到候选解集，进而得到图像块的优化重构估计值；将图像块按顺序拼接起来；重构图像。本发明能够有效减少图像压缩感知重构的不确定性，获得对图像更准确的重构估计。
-
公开(公告)号：CN104077761A
公开(公告)日：2014-10-01
申请号：CN201410293009.6
申请日：2014-06-26
Applicant: 桂林电子科技大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于自适应稀疏表示的多聚焦图像融合方法，根据原始图像中结构特征的不同将子块进行分类，使原始图像分为相同模型、平滑模型和细节模型。然后将相同模型直接放入融合结果图像中，对平滑模型和细节模型分别采用算术平均法和稀疏表示法进行图像块融合。本发明的有优点是能够分割出平滑模型和细节模型，减少稀疏编码的图像块数，从而在确保融合图像主观效果和客观性能指标均优的基础上，缩短了运算时间。
-
Patent Agency Ranking
公开(公告)号：CN103955920A
公开(公告)日：2014-07-30
申请号：CN201410146864.4
申请日：2014-04-14
Applicant: 桂林电子科技大学 , 桂林宇辉信息科技有限责任公司
Abstract: 本发明提供一种基于三维点云分割的双目视觉障碍物检测方法，包括同步采集两个相同规格的摄像机图像；对双目摄像机进行标定校正并计算三维点云分割阈值；用立体匹配算法和三维重构计算得到三维点云，对基准图做图像分割得到图块；自动检测三维点云的路面高度，利用三维点云分割阈值分割出路面点云、不同位置的障碍物点云和未知区域点云；利用分割得到的点云结合分割后的图块，判决障碍物和路面的正确性，确定障碍物、路面和未知区域的位置范围。本发明在较复杂的环境中仍可检测摄像机与路面高度并自动估算三维分割的阈值，分割出障碍物点云、路面点云和未知区域点云；结束彩色图像分割技术，融合颜色信息判决障碍物和路面的正确性，确定障碍物、路面和未知区域的位置范围，实现高鲁棒性的障碍物检测，具有更高的可靠性和实用性。
-
公开(公告)号：CN103955215A
公开(公告)日：2014-07-30
申请号：CN201410149890.2
申请日：2014-04-15
Applicant: 桂林电子科技大学 , 桂林宇辉信息科技有限责任公司
IPC: G05D1/02
Abstract: 基于手势识别的自动避障小车，涉及人机交互智能图像信息处理，属于基于深度相机非接触式三维虚拟空间领域和双目立体视觉领域，其车体前部设置分开的两个摄像头，车体内部设置包含单片机的下位机，车体安置两个无线wifi模块，一个无线wifi模块连接一个摄像头，车体还安置一个蓝牙模块，两个小车后轮分别连接着一个精密直流电机。上述自动避障小车的控制装置，其深度体感相机连接上位机，上位机设置串口蓝牙和一个无线wifi模块。本发明通过手势控制小车并绘制地图，在自动运行模式下实现小车自动避障，利用自动控制、网络通信和图像处理技术，操作方便，适合在危险环境下检查周围环境是否有危险和在障碍物多的地形下进行搬运工作。
-
公开(公告)号：CN118823856A
公开(公告)日：2024-10-22
申请号：CN202410982071.X
申请日：2024-07-22
Applicant: 桂林电子科技大学
Inventor： 首照宇 , 黄旖 , 李东旭 , 冯程 , 黄菊华 , 黄兰芳 , 莫建文 , 张会兵 , 张敬伟 , 林熠明 , 欧阳宁 , 赵晖 , 刘京华 , 张彤 , 陈镜全 , 刘杭 , 刘子阅 , 袁小虎 , 于泳波 , 唐雍盛 , 林彦君
Abstract: 本发明公开了一种基于多尺度与深层细粒度特征增强的表情识别方法，包括：构建多尺度双池化特征聚合模块，该模块由多尺度特征提取、多尺度关键特征选择和多尺度特征聚合三部分组成，通过骨干网络IR50获取四阶段的多尺度特征，并结合通道注意力机制提取多尺度表情特征中的全局有效信息，以捕捉和融合面部不同尺度的信息，从而获取全面的面部关键特征表示；引入关键区域导向的注意力机制，通过自适应地调整关注区域，提高了模型对面部细节特征的敏感度，更多地关注面部表情的细微差别，进一步增强对多尺度深层次的细粒度特征表示；通过融合多尺度和深层细粒度注意力增强特征，获取更为丰富和准确的面部关键信息，从而实现对面部表情的精准分类。
-
公开(公告)号：CN114821100B
公开(公告)日：2024-03-26
申请号：CN202210385383.3
申请日：2022-04-13
Applicant: 桂林电子科技大学
IPC: G06V10/44 , G06V10/74 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于结构组稀疏网络的图像压缩感知重建方法，所述方法为：为图像块构造相似组，将图像块与其相似组输入卷积神经网络；将图像块相似组输入边缘轮廓重构分支，通过其中的局部残差递归网络和亚相素层，获得对图像边缘轮廓的重建；将图像块相似组输入局部细节重构分支，通过其中的密集连接网络和多尺度编解码网络模块，获得对图像细节纹理的重建；将两分支重建图像进行融合，输出得到对原始图像的重建图；训练中，设计并采用结构组稀疏约束损失函数进行训练约束。这种方法能节约计算资源、能提高图像的重建精度。
-
公开(公告)号：CN114332733B
公开(公告)日：2024-03-15
申请号：CN202210004166.5
申请日：2022-01-04
Applicant: 桂林电子科技大学
IPC: G06V20/40 , G06V10/26 , G06V20/52 , G06V40/16 , G06V10/80 , G06V10/82 , G06N3/044 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于残差循环神经网络的视频监控人脸识别方法，其特征在于，包括如下步骤：1）获取视频监控人脸数据；2）进行人脸检测；3）视频人脸特征联合；4）联合特征融合与编码；5）解码隐藏状态及融合特征；6）利用融合特征进行网络训练；7）应用网络进行人脸识别。这种方法将人脸特征与隐藏状态使用残差连接，从而解决特征融合过程中存在梯度消失的问题，为隐藏状态提供了更多的特征，进而有效地提升人脸识别性能，对于长序列的人脸视频具有更好的鲁棒性，并且具有更强的识别能力。
-
-
-
-
-
-
-
-
-
Search Results
97
records
(took 0.027 seconds)
