-
公开(公告)号：CN111046732B
公开(公告)日：2023-11-28
申请号：CN201911096068.3
申请日：2019-11-11
Applicant: 华中师范大学
IPC: G06V40/10 , G06V10/80 , G06N3/0464 , G06V10/82 , G06N3/08
Abstract: 本发明公开了一种基于多粒度语义解析的行人重识别方法及存储介质，包括训练步骤和测试步骤，所述训练步骤包括：利用人体语义解析算法将训练样本中的行人图像解析为多个粒度的语义区域的行人图像，其中至少一个粒度包含不同语义区域之间的过渡信息；将每个语义区域的行人图像输入到对应的卷积神经网络中，对每个语义区域进行分类训练，得到每个语义区域的分类器；利用所述分类器对相应的语义区域的行人图像进行特征提取，将提取到的特征进行特征融合，得到行人特征描述子；所述测试步骤包括：利用训练步骤得到的所述分类器和所述行人特征描述子对测试样本的行人图像进行行人重识(56)对比文件Wang, G., et al..LearningDiscriminative Features with MultipleGranularities for Person Re-Identification.2018 ACM MultimediaConference (MM ’18).2018,1-9.高翔;陈志;岳文静;龚凯.基于视频场景深度学习的人物语义识别模型.计算机技术与发展.2018,(06),59-64.Sun, Y. , et al，.Beyond Part Models:Person Retrieval with Refined PartPooling(and A Strong ConvolutionalBaseline).arXiv:1711.09349v3.2018,第2页至第5页第2节至第4节，图1-3.Fang, H. S., et al，.Weakly and SemiSupervised Human Body Part Parsing viaPose-Guided Knowledge Transfer.arXiv:1805.04310v1.2018,第2页第2节至第5页第3节，图2.
-
公开(公告)号：CN112668630B
公开(公告)日：2022-04-29
申请号：CN202011553183.1
申请日：2020-12-24
Applicant: 华中师范大学
Abstract: 本发明公开了一种基于模型剪枝的轻量化图像分类方法、系统及设备。该方法包括步骤：计算互信息评价通道的重要性；根据通道的重要性排序并分组；根据分组设置注意力正则化损失函数并优化模型；剪枝不重要的通道；再次优化模型，恢复模型的精度。本发明对深度神经网络的压缩效果明显，在降低大型深度网络模型的存储和计算消耗的同时，也减少了由于剪枝带来的精度损失，可以更好地应用于移动端设备进行图像分类。
-
公开(公告)号：CN112668630A
公开(公告)日：2021-04-16
申请号：CN202011553183.1
申请日：2020-12-24
Applicant: 华中师范大学
Abstract: 本发明公开了一种基于模型剪枝的轻量化图像分类方法、系统及设备。该方法包括步骤：计算互信息评价通道的重要性；根据通道的重要性排序并分组；根据分组设置注意力正则化损失函数并优化模型；剪枝不重要的通道；再次优化模型，恢复模型的精度。本发明对深度神经网络的压缩效果明显，在降低大型深度网络模型的存储和计算消耗的同时，也减少了由于剪枝带来的精度损失，可以更好地应用于移动端设备进行图像分类。
-
公开(公告)号：CN109117731A
公开(公告)日：2019-01-01
申请号：CN201810770782.5
申请日：2018-07-13
Applicant: 华中师范大学
Abstract: 本发明提供了一种课堂认知负荷检测系统，属于教育信息化领域。包括：任务完成度特征采集模块，用于记录学生在完成任务时的答题反应时、答题正确率；认知负荷自评量采集模块，用于量化分析出学生的心理努力程度和任务主观难度；表情和注意力特征采集模块，用于采集学生课堂表现视频，根据视频分析结果统计学生笑脸时长和注视时长；特征融合模块，用于将上述六个指标融合为特征向量；认知负荷判定模块，用于将特征向量送入分类器识别学生的课堂认知负荷级别。应用本发明能够客观地、快速地、准确地对课堂上学生的认知负荷进行评级，帮助授课教师改善学习材料的组织和呈现方式，降低由此引起的外部认知负荷，从而提高教学效果。
-
公开(公告)号：CN114550247B
公开(公告)日：2025-01-10
申请号：CN202210137998.4
申请日：2022-02-15
Applicant: 华中师范大学
IPC: G06V40/16 , G06V10/75 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/0895 , G06V10/80
Abstract: 本发明公开了一种表情强度变化的人脸表情识别方法、系统及存储介质。该方法包括：获取数据样本集，所述数据样本集包括峰值表情样本和非峰值表情样本；提取所述数据样本集中每个样本的特征向量，所有样本的特征向量组成特征矩阵；构建第一邻接矩阵和第二邻接矩阵；将所述特征矩阵、所述第一邻接矩阵和所述第二邻接矩阵输入到图卷积神经网络进行训练。本发明能够充分利用强度相似表情之间的局部信息、峰值表情与非峰值表情之间的峰导信息，能够有效提高强度变化表情的分类精度。
-
Patent Agency Ranking
公开(公告)号：CN119027999A
公开(公告)日：2024-11-26
申请号：CN202411065177.X
申请日：2024-08-05
Applicant: 华中师范大学
IPC: G06V40/16 , G06V40/20 , G06V10/771 , G06V10/80 , G06V10/764 , G06N3/0442 , G06N3/045 , G16H50/20
Abstract: 本发明公开了一种粗粒度与细粒度结合的孤独症识别系统及方法。该系统包括：数据采集模块，用于采集用户观看视频过程中的切片，每个切片包括连续采样的多张图像；粗粒度特征提取模块，用于对每个切片内多张图像按照预设的统计算法进行统计，根据统计结果计算每个切片的粗粒度特征；细粒度特征提取模块，用于根据切片的粗粒度特征选择将切片输入到多个不同的细粒度特征提取模型中的一个，获得每个切片的细粒度特征；特征融合及识别模块，用于将切片的粗粒度特征和细粒度特征进行特征融合，获得融合特征，根据所述融合特征进行孤独症识别。本发明可实现对孤独症面部行为的全面描述，能够有效提升孤独症识别的可靠性。
-
公开(公告)号：CN117133035A
公开(公告)日：2023-11-28
申请号：CN202311089347.3
申请日：2023-08-25
Applicant: 华中师范大学
IPC: G06V40/16 , G06V10/74 , G06V10/80 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/045 , G06N3/0499 , G06N3/084 , G06V10/82
Abstract: 本发明提供一种面部表情识别方法、系统及电子设备，方法包括：对面部样本图像进行预处理，提取用户脸部特征点坐标；采用卷积神经网络主干获取局部特征和全局特征；采用交叉注意力模块1将聚合的全局特征与每个局部特征进行融合，得到增强的局部特征；采用图卷积神经网络对增强的局部特征加以处理，提取用户脸部结构化语义信息；采用交叉注意力模块2将用户脸部结构化语义融合进每个全局特征，得到用户脸部结构化语义增强的全局特征；采用视觉自注意力模型对用户脸部结构化语义增强的全局特征做进一步的编码；利用交叉熵损失监督整个模型训练。本发明利用图卷积神经网络增强视觉自注意力模型的特征表示能力，用于解决自然场景下的表情识别任务。
-
公开(公告)号：CN112686121B
公开(公告)日：2022-08-16
申请号：CN202011559432.8
申请日：2020-12-25
Applicant: 华中师范大学
Abstract: 本发明公开了一种面向孤独症的视觉运动整合能力智能化识别系统，包括：用户登录模块、控制与通信模块、游戏提供模块、游戏绩效分析模块、视觉注意感知模块、手部动作感知模块、视觉感知判定模块、手眼协调判定模块、精细动作识别模块和视觉运动整合能力识别模块。本发明从视觉感知、精细动作、手眼协调三个方面对视觉运动整合进行智能化识别，可对孤独症的视觉运动整合能力进行综合全面精准地识别，并且针对其中的手眼协调能力和精细动作能力，设计合理的计算方法，使得识别更为精细化。
-
公开(公告)号：CN109805944B
公开(公告)日：2021-10-29
申请号：CN201910002542.5
申请日：2019-01-02
Applicant: 华中师范大学
Abstract: 本发明提供一种儿童共情能力分析系统，包括：情绪感知能力分析模块，用于自动化分析儿童对给定刺激材料中情绪的感知能力；认知能力分析模块，用于分析儿童的认知能力；表情模仿能力分析模块，用于自动分析儿童对情景中出现的表情进行模仿的能力。本发明采用模式识别方法分析儿童的多模态信号，能自动地分析儿童对情绪的感知能力、共情认知能力以及表情模仿能力，能够提高儿童共情能力分析的客观性和准确性，为共情缺陷儿童的共情干预提供可靠依据。
-
公开(公告)号：CN112690775A
公开(公告)日：2021-04-23
申请号：CN202011553134.8
申请日：2020-12-24
Applicant: 华中师范大学
Abstract: 本发明公开了一种基于贝叶斯的儿童脑活动异常病灶区成像系统。该系统包括：信号处理模块，用于获取脑电磁采样数据，对电磁采样数据进行预处理；脑活动异常识别模块，用于从预处理后的脑电磁采样数据中识别出异常波和非异常波；噪声估计模块，用于从非异常波中估计背景干扰噪声；脑源活动重构模块，用于结合异常波与估计的背景干扰噪声，采用贝叶斯估计方法获取脑异常活动病灶区位置及其病灶区脑源活动时间序列；成像模块，用于根据脑源活动进行成像。本发明可以极大地提高病灶区定位和重构的精准性，特别适用于自闭症儿童的儿童脑电活动异常病灶区成像。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.023 seconds)
