-
公开(公告)号：CN104036242B
公开(公告)日：2017-04-05
申请号：CN201410241967.9
申请日：2014-06-03
Applicant: 北京工业大学
Abstract: 本发明涉及基于centering trick卷积限制玻尔兹曼机的物体识别方法，包括构造训练数据库，对图像进行重构，进行白化预处理，采用融合centering trick的CRBM模型对训练集进行特征提取，将三维特征矩阵变换为一维特征向量，采用Softmax分类器对特征进行分类，获取测试集并对其进行重组和白化，计算池化层输出所对应的假设值Si，根据Si是否等于测试集标签判断分类是否正确。本发明在特征提取过程中充分利用图像自身的二维性及像素间的联系，使用CRBM模型实现权重共享，减少了运算所需内存，提高了运算速度。利用centering trick减少了每一层输入时的噪声，提高了运算的准确性和模型的稳定性。
-
公开(公告)号：CN105426924A
公开(公告)日：2016-03-23
申请号：CN201510927766.9
申请日：2015-12-14
Applicant: 北京工业大学
IPC: G06K9/62
CPC classification number: G06K9/6267
Abstract: 本发明公开了一种基于图像中层特征的场景分类方法，属于场景图像分类领域。首先利用一种快速查找图像中物体区域的方法，得到物体区域图像块，并将得到的区域图像块作为图像的中层特征。然后对中层特征图像块进行聚类，并利用SVM为每个聚类训练一个形状模板，同时根据评级指标，选取评级得分最高的n个形状模板。最后，根据测试图像与n个形状模板的匹配得分实现场景图像分类。本发明解决了场景图像分类中图像鉴别性不足和代表性不强的问题。
-
公开(公告)号：CN105426924B
公开(公告)日：2018-12-07
申请号：CN201510927766.9
申请日：2015-12-14
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于图像中层特征的场景分类方法，属于场景图像分类领域。首先利用一种快速查找图像中物体区域的方法，得到物体区域图像块，并将得到的区域图像块作为图像的中层特征。然后对中层特征图像块进行聚类，并利用SVM为每个聚类训练一个形状模板，同时根据评级指标，选取评级得分最高的n个形状模板。最后，根据测试图像与n个形状模板的匹配得分实现场景图像分类。本发明解决了场景图像分类中图像鉴别性不足和代表性不强的问题。
-
Patent Agency Ranking
公开(公告)号：CN105574527A
公开(公告)日：2016-05-11
申请号：CN201510927756.5
申请日：2015-12-14
Applicant: 北京工业大学
CPC classification number: G06K9/3216 , G06K9/6269 , G06K2209/21
Abstract: 一种基于局部特征学习的快速物体检测方法，在测试阶段采用窗口遍历测试样本进行分类从而检测出物体的位置以及类别。由于需要遍历，因此传统物体检测方法的计算代价较大。本发明提出一种基于局部特征学习快速的物体检测方法：在训练阶段，以范例支撑向量机为学习框架，利用线性支撑向量机训练范例模板。在检测阶段，首先利用快速物体粗检测，提取出可能存在物体的区域，再利用训练得到的范例模板进行物体细检测。本发明方法不仅可以有效提高物体检测准确率，而且能够有效提高物体检测的速度。
-
公开(公告)号：CN104134071A
公开(公告)日：2014-11-05
申请号：CN201410277452.4
申请日：2014-06-20
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于颜色描述的可变形部件模型物体检测方法，本发明属于图像目标检测技术领域，本发明方法提出一种智能的融合形状与颜色特征的物体检测方法，以可变形部件模型为底层框架，在训练模板时在原有的梯度方向直方图特征空间中加入基于语言学的Color Name颜色描述符，得到特定物体类型的形状模板与颜色模板，最后在检测阶段利用梯度方向直方图形状模板与Color Name颜色模板双模板匹配的滑动窗口方法检测物体。本发明方法克服了传统方法由于使用单一特征描述物体而产生误检测的缺点。
-
公开(公告)号：CN104036242A
公开(公告)日：2014-09-10
申请号：CN201410241967.9
申请日：2014-06-03
Applicant: 北京工业大学
Abstract: 本发明涉及基于centering trick卷积限制玻尔兹曼机的物体识别方法，包括构造训练数据库，对图像进行重构，进行白化预处理，采用融合centering trick的CRBM模型对训练集进行特征提取，将三维特征矩阵变换为一维特征向量，采用Softmax分类器对特征进行分类，获取测试集并对其进行重组和白化，计算池化层输出所对应的假设值Si，根据Si是否等于测试集标签判断分类是否正确。本发明在特征提取过程中充分利用图像自身的二维性及像素间的联系，使用CRBM模型实现权重共享，减少了运算所需内存，提高了运算速度。利用centering trick减少了每一层输入时的噪声，提高了运算的准确性和模型的稳定性。
-
公开(公告)号：CN105574527B
公开(公告)日：2019-03-29
申请号：CN201510927756.5
申请日：2015-12-14
Applicant: 北京工业大学
Abstract: 一种基于局部特征学习的快速物体检测方法，在测试阶段采用窗口遍历测试样本进行分类从而检测出物体的位置以及类别。由于需要遍历，因此传统物体检测方法的计算代价较大。本发明提出一种基于局部特征学习快速的物体检测方法：在训练阶段，以范例支撑向量机为学习框架，利用线性支撑向量机训练范例模板。在检测阶段，首先利用快速物体粗检测，提取出可能存在物体的区域，再利用训练得到的范例模板进行物体细检测。本发明方法不仅可以有效提高物体检测准确率，而且能够有效提高物体检测的速度。
-
公开(公告)号：CN104134071B
公开(公告)日：2017-12-29
申请号：CN201410277452.4
申请日：2014-06-20
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于颜色描述的可变形部件模型物体检测方法，本发明属于图像目标检测技术领域，本发明方法提出一种智能的融合形状与颜色特征的物体检测方法，以可变形部件模型为底层框架，在训练模板时在原有的梯度方向直方图特征空间中加入基于语言学的Color Name颜色描述符，得到特定物体类型的形状模板与颜色模板，最后在检测阶段利用梯度方向直方图形状模板与Color Name颜色模板双模板匹配的滑动窗口方法检测物体。本发明方法克服了传统方法由于使用单一特征描述物体而产生误检测的缺点。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.025 seconds)
