-
公开(公告)号：CN115424336A
公开(公告)日：2022-12-02
申请号：CN202210936778.8
申请日：2022-08-05
Applicant: 华中师范大学
Abstract: 本发明公开了一种基于多视觉线索融合的在线学习投入识别方法，首先本发明面向大规模在线学习投入感知需求，从多视觉线索角度出发，挖掘在线学习投入的关联视觉线索，构建在线投入多维细粒度表征模型；其次，将时间序列的特征学习问题转化为基于图的特征学习问题，提出基于互信息正则化的图网络模型，同时，为本发明所采用的机器学习方法提供训练支持，构建了基于多视觉线索的学习投入感知数据库；最后构建融合多视觉线索的细粒度学习投入识别方法，并在此基础上设计基于投入图的粗粒度学习投入识别方法整合细粒度变长学习投入序列，最终实现多粒度在线学习投入识别，满足实际应用中多层次、多阶段的学习投入感知需求。
-
公开(公告)号：CN102289665A
公开(公告)日：2011-12-21
申请号：CN201110257134.8
申请日：2011-09-01
Applicant: 华中师范大学
Abstract: 本发明提出了一种基于墨粉堆积纹理分析的打印文件鉴别方法。首先，利用高精度显微放大系统采集打印文件上的打印字符笔画图像；然后从打印笔画图像中提取墨粉堆积小块来构造归一化墨粉纹理图；对归一化墨粉堆积纹理图特征的提取，采用局部二进模式，灰度共生矩阵，傅里叶频谱，GABOR以及WAVELET技术提取归一化纹理图像的纹理特征；提取的打印文件的纹理特征利用主成分分析和线性判别分析进行模式分类，以判断两份打印文件是否为相同打印机打印生成。本发明实现了基于计算机图像分析，文本独立的的自动化打印文件鉴别，准确率达到89％以上。
-
公开(公告)号：CN113688789B
公开(公告)日：2023-11-10
申请号：CN202111091047.X
申请日：2021-09-17
Applicant: 华中师范大学
Abstract: 本发明设计了一种基于深度学习的在线学习投入度识别方法及系统，首先为了保证图像不受无关背景的影响，本发明通过YOLOv4进行学生人脸检测；其次针对VGG16网络参数量庞大、训练耗时等问题，提出了一种改进的VGG16模型，同时，在模型训练过程中，采用深度确定性信息瓶颈方法DIB弥补传统损失函数的不足，以获取较为紧致的特征表达，减少泛化误差，改善模型的通用性和稳定性，实现复杂在线学习场景下的学习投入度精准识别；最后通过与传统机器学习和其它深度学习等多种方法比较和分析，验证了本发明方法的有效性。
-
公开(公告)号：CN113837258B
公开(公告)日：2023-09-08
申请号：CN202111091146.8
申请日：2021-09-17
Applicant: 华中师范大学
IPC: G06V10/764 , G06V10/774 , G06V10/77 , G06V10/58 , G06V20/13 , G06V20/10
Abstract: 本发明提供一种基于局部相关熵矩阵的高光谱图像分类方法和系统，首先，对高光谱图像数据进行降维处理，去除噪声并减小计算量，然后通过边界复制的方式对降维后的图像进行边界填充处理；其次，针对图像中的每一个像素，构建局部相关熵矩阵，抽取高光谱图像的局部特征；最后，将获得的局部相关熵矩阵作为特征输入到支持向量机中进行分类，得到每个像素的类别标签。本发明构建的局部相关熵矩阵充分利用了高光谱数据的“空谱合一”特性；利用本发明的方法，可以获取非线性的空谱特征；由于本发明属于手工设计特征方法，因此不需要大量的训练样本学习特征，具有较小的样本复杂度，更适合实际应用。
-
公开(公告)号：CN102289665B
公开(公告)日：2012-12-19
申请号：CN201110257134.8
申请日：2011-09-01
Applicant: 华中师范大学
Abstract: 本发明提出了一种基于墨粉堆积纹理分析的打印文件鉴别方法。首先，利用高精度显微放大系统采集打印文件上的打印字符笔画图像；然后从打印笔画图像中提取墨粉堆积小块来构造归一化墨粉纹理图；对归一化墨粉堆积纹理图特征的提取，采用局部二进模式，灰度共生矩阵，傅里叶频谱，GABOR以及WAVELET技术提取归一化纹理图像的纹理特征；提取的打印文件的纹理特征利用主成分分析和线性判别分析进行模式分类，以判断两份打印文件是否为相同打印机打印生成。本发明实现了基于计算机图像分析，文本独立的自动化打印文件鉴别，准确率达到89％以上。
-
Patent Agency Ranking
公开(公告)号：CN118447060A
公开(公告)日：2024-08-06
申请号：CN202410469197.7
申请日：2024-04-18
Applicant: 华中师范大学
IPC: G06T7/33 , G06T7/73 , G06N3/0464 , G06N3/047 , G06N3/0455 , G06N3/09
Abstract: 本发明属于计算机技术领域，涉及基于RepSurf特征和信息交互的部分重叠点云配准方法，包括：提取RepSurf局部表面特征对点云进行表示；得到伞形RepSurf特征；构造图神经网络模型，得到拓扑特征；将三角形RepSurf特征与拓扑特征进行特征拼接；基于注意力交互机制进行信息交互；预测重要性分数，确定关键点；基于卷积神经网络模型预测相似性矩阵；计算相似性矩阵损失，去除相似性矩阵损失小于设定值的点。本发明得到了表示性强且区分度高的特征信息；基于信息交互的关键点提取方法；通过注意力机制，使得关键点提取部分可以过滤掉部分点，避免产生大量错误匹配，提高了网络在部分重叠点云上的配准效果。
-
公开(公告)号：CN116681785A
公开(公告)日：2023-09-01
申请号：CN202310524649.2
申请日：2023-05-10
Applicant: 华中师范大学
Abstract: 本发明提供了一种描绘书写过程中的字符图像呈现方法及设备。所述方法包括：绘制并获取书法文字字形信息；绘制并获取书法文字纹理线条信息；绘制并获取书法文字色团灰度信息；获取呈现完整书写过程的字符图像；绘制参考字符图像轮廓图；绘制参考字符图像笔序图；绘制参考字符图像运笔方向图；绘制参考字符图像力度分布图；生成能描绘书写过程的参考字符图像。本发明能将书法文字的书写过程展现在字符图像上，并将原始复杂文字图像进行抽象概括，以线条和色团来表示文字书写的字形、笔序、运笔方向和力度大小，弥补了现有书法文字呈现方式中无法展示书写运笔方向、力度大小等书写过程信息的缺陷，为书法教学和练习提供更完整的书写指导。
-
公开(公告)号：CN113112423B
公开(公告)日：2022-06-14
申请号：CN202110368905.4
申请日：2021-04-06
Applicant: 华中师范大学
Abstract: 本发明属于图像处理技术领域，公开了一种综合算法增强与光学增强的火场去火焰图像处理方法，将照明设备和摄像头设置在对准被观测对象的同一侧，照明设备的光线方向与摄像头的观测方向一致，被观测对象位于被观测火场的环境中，摄像头的镜头前端加载有滤光片；通过摄像头获取火场采集视频图像；采用序列图像的低值滤波法对火场采集视频图像进行图像增强处理，得到增强图像。本发明能够解决现有技术中火灾现场图像中的火焰遮挡无法有效去除的问题，能够大幅增强去除火焰图像的清晰度。
-
公开(公告)号：CN113112423A
公开(公告)日：2021-07-13
申请号：CN202110368905.4
申请日：2021-04-06
Applicant: 华中师范大学
Abstract: 本发明属于图像处理技术领域，公开了一种综合算法增强与光学增强的火场去火焰图像处理方法，将照明设备和摄像头设置在对准被观测对象的同一侧，照明设备的光线方向与摄像头的观测方向一致，被观测对象位于被观测火场的环境中，摄像头的镜头前端加载有滤光片；通过摄像头获取火场采集视频图像；采用序列图像的低值滤波法对火场采集视频图像进行图像增强处理，得到增强图像。本发明能够解决现有技术中火灾现场图像中的火焰遮挡无法有效去除的问题，能够大幅增强去除火焰图像的清晰度。
-
公开(公告)号：CN108764096B
公开(公告)日：2022-04-29
申请号：CN201810489200.6
申请日：2018-05-21
Applicant: 华中师范大学
IPC: G06V40/10 , G06V10/764 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开行人重识别系统，包括第一特征训练模块、第二特征训练模块、局部划分训练模块和识别模块；第一特征训练模块采用多尺度局部特征竞争选择技术构造新的分类器Cw；第一特征训练模块包括数据预处理单元、主干网络设置单元、特征分组单元、特征池化单元、特征降维单元、特征分类单元和新分类器构造单元；第二特征训练模块获取整个神经网络的最优参数；局部划分训练模块将数据通过加载的ResNet主干网络、特征分组单元、特征池化单元和特征降维单元对多个局部特征进行标记；识别模块将数据通过加载的ResNet主干网络、特征分组单元、特征池化单元和特征降维单元提取到的特征经过局部划分分类器Ck进行分类。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.02 seconds)
