-
公开(公告)号：CN113657143A
公开(公告)日：2021-11-16
申请号：CN202110710499.5
申请日：2021-06-25
Applicant: 中国计量大学
Abstract: 本发明公开了一种基于分类和检测联合判决的垃圾分类方法，包括：S1.获取摄像头采集的视频流数据，并判断是否有用户进行垃圾投放，若是，则执行步骤S2；S2.提取视频的第Tjn帧图像和第Tj0‑1帧图像，根据提取第Tjn帧图像和第Tj0‑1帧图像计算用户投放的垃圾图像T'；S3.将垃圾图像T'输入至垃圾分类模型中进行处理，垃圾分类模型中的图像分类网络输出垃圾图像的类别和置信度，并判断输出的置信度是否大于置信度阈值，若是，则将图像分类网络的输出作为最终预测结果；若否，则执行步骤S4；S4.将垃圾分类模型提取的特征图输入至垃圾分类模型中的目标检测网络中，得到特征图中异常垃圾的检测框以及标注类别，并将目标检测网络的输出作为最终预测结果。
-
公开(公告)号：CN108960047B
公开(公告)日：2021-09-14
申请号：CN201810499059.8
申请日：2018-05-22
Applicant: 中国计量大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于深度二次树的视频监控中人脸去重方法，该方法包括：（1）人脸检测部分：准备正负人脸样本使用训练好的深度二次树模型对监控视频中移动的行人进行人脸检测，获取其人脸位置，人脸置信度，人脸清晰度和人脸图像的分辨率；（2）人脸跟踪部分：根据获取的初始帧的人脸位置，进行人脸跟踪，获取同一个人的多张人脸；（3）人脸去重：针对同一个人的人脸子集，采用人脸质量评价法确定各张人脸的图像质量，然后根据评价值选择质量最好的人脸。人脸质量评价分数由人脸置信度、人脸清晰度和人脸图像分辨率三个指标加权得出。本发明能够有效地提高人脸识别的准确率效地提高人脸识别的准率。
-
公开(公告)号：CN109035171B
公开(公告)日：2021-06-15
申请号：CN201810867459.X
申请日：2018-08-01
Applicant: 中国计量大学
Abstract: 本发明公开了一种网纹人脸图像修复方法，其目的在于修复网纹人脸图像提升人脸识别的性能。利用图像处理技术实现从网纹人脸图像中恢复出清晰人脸图像，其技术关键在于（1）利用Dlib库实现对人脸68个关键点的提取；（2）采用最小二乘实现人脸对称轴的拟合；（3）根据图像的像素信息对图像进行分割；（4）根据背景网纹的分布信息，分析得到的值并作为先验知识提取整幅图像的网纹；（5）利用拟合得到的人脸对称轴和提取到的网纹进行人脸修复。本发明所采用的方法实现了输入一张网纹人脸图像，输出即为去网纹的清晰人脸图像。本发明不仅提升了图像的视觉效果，还提高了网纹人脸图像的识别准确率。
-
公开(公告)号：CN109241995B
公开(公告)日：2021-05-14
申请号：CN201810866142.4
申请日：2018-08-01
Applicant: 中国计量大学
Abstract: 本发明公开了一种基于改进型ArcFace损失函数的图像识别方法，采用基于深度学习的图像识别网络对图像的特征进行提取，将提取的特征用来描述图像的主要信息，采用改进型ArcFace损失函数对基于深度学习的图像识别网络进行训练，改进型ArcFace损失函数在角度空间通过既减小类内距离又增大类间距离来最大化分类边界，从而提高图像识别模型识别的准确性。本发明用于模式识别领域。
-
公开(公告)号：CN109376608B
公开(公告)日：2021-04-27
申请号：CN201811127323.1
申请日：2018-09-26
Applicant: 中国计量大学
Abstract: 本发明公开了一种人脸活体检测方法，其目的在于利用活体检测提升人脸识别的安全性和可靠性。利用图像处理技术实现人脸活体检测，其技术关键在于（1）利用MTCNN方法实现对人脸的检测以及对13个关键点的提取；（2）利用提取的关键点实现人眼眨眼动作判别是否为活体；（3）通过对照片框、视频框和手机边框的检测判断是否为活体；（4）综合人眼眨眼动作判别和对照片框、视频框和手机边框的检测来进行人脸活体检测。本发明所采用的深度学习方法能够很好的防范照片与视频的攻击，极大的提高了活体检测的准确性和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN109101915B
公开(公告)日：2021-04-27
申请号：CN201810864964.9
申请日：2018-08-01
Applicant: 中国计量大学
Abstract: 本发明公开了一种基于深度学习的人脸与行人及其属性识别网络结构设计方法，将得到行人关键点轨迹特征与行人特征提取子网络连接的全连接层进行特征融合得到融合特征；对同一个人多张人脸图像进行关键点检测得到的人脸关键点，通过计算得到人脸关键点轨迹特征，将得到人脸关键点轨迹特征与人脸多任务识别子网络连接的全连接层进行特征融合得到融合特征，利用融合特征进行人脸及其属性识别；将融合特征和融合特征进行特征融合得到特征融合，利用融合特征进行行人及其属性识别。
-
公开(公告)号：CN109902615B
公开(公告)日：2020-09-29
申请号：CN201910138619.1
申请日：2019-02-25
Applicant: 中国计量大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于对抗网络的多个年龄段图像生成方法，将传统GAN损失、循环损失、类内距离损失、余弦相似度损失相结合，共同作为训练过程中的目标函数，在减小类内距离的同时，加入余弦相似度损失来保证映射的对应性。本发明包括：一：将人脸图像数据行划分为训练样本集与测试样本集；二：对训练样本集中的人脸图像进行数据预处理；三：构建基于对抗网络的多个年龄段图像中生成器、判断器的卷积神经网络结构；四：将训练样本集输入到模型中进行训练；五：保存各生成器和判断器网络模型参数；六：利用经过数据预处理后的测试样本集对生成器和判断器模型进行测试，获得测试结果。本发明用于数据增强和模式识别领域。
-
公开(公告)号：CN109214286A
公开(公告)日：2019-01-15
申请号：CN201810863541.5
申请日：2018-08-01
Applicant: 中国计量大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于深度神经网络多层特征融合的人脸识别方法，利用一个输出维度为D2的全连接层Fc2替代DeepID网络结构中的softmax层，Fc2层后面连接多层特征融合损失层，将改进的网络结构称为多层特征融合网络，所述多层特征融合损失层是在计算训练样本之间类内距离与类间距离损失的基础上将Fc1层和Fc2层的输出特征也作为损失函数的输入。获得人脸图像A和人脸图像B的人脸特征分别为F1和F2，计算两个特征向量之间的余弦相似度S，设置人脸相似度阈值为T，如果S≥T，则认为人脸图像A和人脸图像B为同一个人，如果S＜T，则认为人脸图像A和人脸图像B为不同人。
-
公开(公告)号：CN119601180B
公开(公告)日：2025-05-09
申请号：CN202510142828.9
申请日：2025-02-10
Applicant: 中国计量大学
IPC: G16H30/20 , G06V10/26 , G06V10/774 , G06V10/80
Abstract: 本申请提出了一种基于多模态补全和亚区分割的高级胶质瘤分级方法及装置，包括以下步骤：获取同一患者的残模态MRI影像数据集，将所述残模态MRI影像数据集输入至预训练好的补全子网络中得到全模态MRI影像数据集；将全模态MRI数据集输入至预训练好的亚区分割子网络中得到亚区分割结果；基于所述亚区分割结果进行胶质瘤分级。本方案通过补全子网络来依据残模态MRI影像数据集生成全模态数据，为后续分析提供完整信息基础，并且通过亚区分割子网络为不同模态合理分配权重并突出胶质瘤亚区特征，实现对胶质瘤亚区的精细分割以精确的对高级胶质瘤进行分级。
-
公开(公告)号：CN119360341A
公开(公告)日：2025-01-24
申请号：CN202411919761.7
申请日：2024-12-25
Applicant: 中国计量大学
IPC: G06V20/56 , G06V10/44 , G06V10/96 , G06V10/143 , G06V10/80 , G06V10/82 , G06T5/70 , G06T5/60 , G06T5/50 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开一种夜间车路环境可见光和红外融合图像的语义传输方法，首先，在车辆行驶过程中采集可见光和红外图像，并利用可见光图像增强网络提升低光条件下图像的可见性；其次，将增强后的可见光图像与红外图像进行融合；接着，对融合后的图像进行语义引导处理，识别目标语义信息，提取语义特征，并评估特征向量的重要性，从而生成语义特征群；最后，发送端将融合图像编码为潜在空间表示，并通过信道编码和压缩为条件信号，通过加性白高斯噪声信道传输至接收端，接收端则利用条件感知神经网络动态调整基于潜在扩散模型的去噪器权重，控制生成过程，最终通过语义解码器生成恢复后的图像。该方法对于提高自动驾驶系统的可靠性和安全性具有重要意义。
-
-
-
-
-
-
-
-
-
Search Results
114
records
(took 0.041 seconds)
