-
公开(公告)号：CN117456480B
公开(公告)日：2024-03-29
申请号：CN202311769679.6
申请日：2023-12-21
Applicant: 华侨大学 , 星宸科技股份有限公司
IPC: G06V20/54 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于多源信息融合的轻量化车辆再辨识方法，涉及计算机视觉与机器学习技术领域，包括：构建神经网络；所述神经网络包括依次连接的ResNet50网络、局部特征融合网络和混合注意力模块；使用监督对比损失和多源信息识别损失对神经网络进行联合训练，直至收敛，得到教师网络；选取计算量和参数量比教师网络均小的模型作为学生网络；通过知识蒸馏，对学生网络进行监督，训练直至收敛，得到轻量化的车辆再辨识模型；基于轻量化的车辆再辨识模型，输出再辨识结果。本发明利用多源信息融合的方式协调不同传感器数据以提高再辨识性能，并辅以知识蒸馏，实现在有限的计算资源下，实现高质量的再辨识，从而为各种应用场景提供了更多的灵活性。
-
公开(公告)号：CN117036911A
公开(公告)日：2023-11-10
申请号：CN202311301590.7
申请日：2023-10-10
Applicant: 华侨大学 , 星宸科技股份有限公司 , 厦门瑞为信息技术有限公司
IPC: G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/74
Abstract: 本发明公开了一种基于神经架构搜索的车辆再辨识轻量化方法及系统，涉及计算机视觉与机器学习技术领域，方法包括：S1，构建网络模型，给定硬件约束以生成对应的架构生成器，利用测试集训练架构生成器；S2，将硬件约束输入到架构生成器，得到多个轻量化神经网络架构模型；S3，采集车辆再辨识数据并进行数据增强；S4，利用车辆再辨识数据集对轻量化神经网络架构模型进行训练及验证，选择效果最好的作为轻量化车辆再辨识网络；S5，基于轻量化车辆再辨识网络进行车辆再辨识。本发明利用神经架构搜索自适应地依据硬件约束进行神经网络的搭建，得到兼具效率与性能的轻量化网络，可以在大规模的神经网络设计中减轻人工设计和调试的负担。
-
公开(公告)号：CN113554084B
公开(公告)日：2024-03-01
申请号：CN202110806449.7
申请日：2021-07-16
Applicant: 华侨大学 , 厦门亿联网络技术股份有限公司 , 星宸科技股份有限公司
IPC: G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/082
Abstract: 本发明实例公开了一种基于剪枝和轻量卷积的车辆再辨识模型压缩方法及系统，对待压缩的车辆再辨识模型的骨干网络进行预训练，对预训练完毕的骨干网络进行剪枝，并通过重训练恢复精度，对车辆再辨识模型中特征金字塔模块进行轻量化卷积设计，将紧凑的骨干网络与轻量化的特征金字塔模块结合，骨干网络提取特征后，特征金字塔模块进行特征融合，得到基于特征金字塔联合表示的轻量化车辆再辨识模型。本发明以复杂高性能的车辆再辨识模型作为输入模型，其骨干网络中重要性较低的卷积核被自动选择和剪枝，并改进其特征金字塔模块中的卷积方式，有效降低参数量和计算量，产生精度相当但较为紧凑的模型。
-
公开(公告)号：CN113554084A
公开(公告)日：2021-10-26
申请号：CN202110806449.7
申请日：2021-07-16
Applicant: 华侨大学 , 厦门亿联网络技术股份有限公司 , 星宸科技股份有限公司
Abstract: 本发明实例公开了一种基于剪枝和轻量卷积的车辆再辨识模型压缩方法及系统，对待压缩的车辆再辨识模型的骨干网络进行预训练，对预训练完毕的骨干网络进行剪枝，并通过重训练恢复精度，对车辆再辨识模型中特征金字塔模块进行轻量化卷积设计，将紧凑的骨干网络与轻量化的特征金字塔模块结合，骨干网络提取特征后，特征金字塔模块进行特征融合，得到基于特征金字塔联合表示的轻量化车辆再辨识模型。本发明以复杂高性能的车辆再辨识模型作为输入模型，其骨干网络中重要性较低的卷积核被自动选择和剪枝，并改进其特征金字塔模块中的卷积方式，有效降低参数量和计算量，产生精度相当但较为紧凑的模型。
-
公开(公告)号：CN117456480A
公开(公告)日：2024-01-26
申请号：CN202311769679.6
申请日：2023-12-21
Applicant: 华侨大学 , 星宸科技股份有限公司
IPC: G06V20/54 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于多源信息融合的轻量化车辆再辨识方法，涉及计算机视觉与机器学习技术领域，包括：构建神经网络；所述神经网络包括依次连接的ResNet50网络、局部特征融合网络和混合注意力模块；使用监督对比损失和多源信息识别损失对神经网络进行联合训练，直至收敛，得到教师网络；选取计算量和参数量比教师网络均小的模型作为学生网络；通过知识蒸馏，对学生网络进行监督，训练直至收敛，得到轻量化的车辆再辨识模型；基于轻量化的车辆再辨识模型，输出再辨识结果。本发明利用多源信息融合的方式协调不同传感器数据以提高再辨识性能，并辅以知识蒸馏，实现在有限的计算资源下，实现高质量的再辨识，从而为各种应用场景提供了更多的灵活性。
-
Patent Agency Ranking
公开(公告)号：CN120067773A
公开(公告)日：2025-05-30
申请号：CN202510535293.1
申请日：2025-04-27
Applicant: 华侨大学
IPC: G06F18/24 , G06F18/213 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了基于双核化单类宽度学习自编码器的入侵信号检测方法，涉及信号检测技术领域，方法包括：将接收的信号数据划分为训练集和测试集；使用核函数映射信号数据至特征层，并通过生成的随机矩阵重构数据以获得第一最优核函数矩阵；对特征层数据进行增强处理，得到第二最优核函数矩阵；串联重构的特征层与增强层形成隐藏层，计算其重构误差作为损失函数，求解得出输出层权重矩阵；基于训练集信号数据的重构损失设定判断阈值；结合第一和第二最优核函数矩阵、输出层权重矩阵及判断阈值，识别测试集中的入侵信号。本发明通过两次核函数映射及重构优化处理信号数据，提高了入侵信号检测的准确性。
-
公开(公告)号：CN119477922B
公开(公告)日：2025-04-22
申请号：CN202510067481.6
申请日：2025-01-16
Applicant: 华侨大学
IPC: G06T7/00 , G06N3/0464 , G06N3/084 , G06N3/096 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明提供掩模与语义协同优化扩散模型的石材表面瑕疵检测方法，属于瑕疵检测领域，包括：获取数据集；将输入图片输入编码器以得到输入表征，对输入表征进行高斯噪声向前扩散得到全噪声表征；将各输入表征与掩模图片点乘后输入掩模引导的知识提炼网络以生成掩模表征；将输入表征输入含多维特征金字塔的语义引导增强网络以得到语义表征；将全噪声表征、掩膜表征和语义表征进行拼接后，进行反向扩散以逐步去除噪声，并解码生成重建图片；将输入图片及其对应的重建图片均输入特征提取网络，进而计算得到异常得分；根据异常得分进行排序并形成异常得分列表，将异常得分列表对应的输入图片的热力图反馈至用户。本发明能够有效提升对瑕疵的检测精度。
-
公开(公告)号：CN119850441A
公开(公告)日：2025-04-18
申请号：CN202510317059.1
申请日：2025-03-18
Applicant: 华侨大学 , 信泰(福建)科技有限公司 , 福建省万物智联科技有限公司
Abstract: 本发明公开了一种基于频域边界协同优化的沉浸式视频增强方法及装置，涉及视频处理领域，包括：获取待重建的压缩的多视点纹理加深度视频序列并输入到经训练的沉浸式视频增强模型；当前的待增强视频帧先经过特征提取模块，分别提取得到高频特征和低频特征；高频特征和低频特征经过频域增强模块，得到频域增强图像；频域增强图像和当前的待增强视频帧输入到边界增强模块，得到融合图像；融合图像和当前的待增强视频帧的相邻视频帧输入到时空可变形卷积模块，得到对齐后的融合图像，对齐后的融合图像经过质量增强模块，预测得到增强残差并生成对应的重建视频。本发明解决压缩伪影、边界伪影以及沉浸式视频的质量低等问题。
-
公开(公告)号：CN119599875B
公开(公告)日：2025-04-11
申请号：CN202510138336.2
申请日：2025-02-08
Applicant: 华侨大学
IPC: G06T3/4053 , G06N3/0455 , G06N3/08 , G06T3/4038 , G06T3/4046 , G06T5/60 , G06T5/73
Abstract: 本发明公开了一种面向局部运动模糊的图像超分辨率方法及装置，涉及图像处理领域，包括：获取待重建的低分辨率图像并输入到经训练的图像超分辨率模型，低分辨率图像输入到图像选择模块，得到图像分组标签，图像分组标签包括正标签和负标签，正标签与模糊图像块相对应，负标签与其他图像块相对应；根据图像分组标签分别将正标签相对应的模糊图像块以及负标签相对应的其他图像块输入到正标签特征提取分支和负标签特征提取分支，得到正标签特征和负标签特征，正标签特征和负标签特征经过拼接层进行拼接，得到图像特征；图像特征经过图像重建模块，重建得到对应的高分辨率图像。本发明解决了局部运动模糊图像在超分辨率重建中性能差和效率低的问题。
-
公开(公告)号：CN119762721A
公开(公告)日：2025-04-04
申请号：CN202510261796.4
申请日：2025-03-06
Applicant: 华侨大学 , 信泰(福建)科技有限公司 , 福建省万物智联科技有限公司
IPC: G06T19/20 , G06T9/00 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于语义与几何引导的多阶段Mamba点云补全方法及装置，涉及点云处理领域，包括：构建基于语义与几何引导的多阶段Mamba点云补全模型并训练，得到经训练的多阶段Mamba点云补全模型；多排序策略Mamba解码器单元包括依次连接的若干个阶段的多排序策略Mamba解码器；获取待补全的不完整点云并输入到经训练的多阶段Mamba点云补全模型，不完整点云经过Transformer‑Mamba联合的点云局部特征编码单元，得到编码特征，编码特征输入到稀疏点云生成单元中，得到稀疏点云；稀疏点云输入到多排序策略Mamba解码器单元中，得到解码特征，解码特征经过点云上采样单元，得到预测的完整点云，克服现有Transformer编码器‑解码器结构二次方复杂度和局部细节丢失的问题。
-
-
-
-
-
-
-
-
-
Search Results
326
records
(took 0.036 seconds)
