公开(公告)号：CN116934796B

公开(公告)日：2024-08-06

申请号：CN202310894398.7

申请日：2023-07-20

Applicant: 河南大学

Inventor： 于俊洋 ,  辛致宜 ,  李勃翰 ,  赵宇曦 ,  李世昌 ,  何义茹

IPC: G06T7/223 ,  G06T7/246 ,  G06V10/82 ,  G06N3/045 ,  G06V10/80 ,  G06V10/766 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于视觉跟踪技术领域，公开一种基于孪生残差注意力聚合网络的视觉目标跟踪方法，包括：提出了一种孪生残差注意力聚合网络框架SiamRAAN，实现了自适应特征隐式更新；首先，SiamRAAN将Self‑RAAN加入骨干网络中，利用残差自注意力提取出目标有效特征；然后，通过加入Cross‑RAAN，使目标模板和搜索图像提取特征时重点关注关联性高的部分，同时实现了模板特征的在线更新；最后，加入了多级特征融合模块，对RAAN增强的特征信息进行融合，提升了网络对于重点特征的感知能力，提高了视觉目标跟踪的准确性。

公开(公告)号：CN116934796A

公开(公告)日：2023-10-24

申请号：CN202310894398.7

申请日：2023-07-20

Applicant: 河南大学

Inventor： 于俊洋 ,  辛致宜 ,  李勃翰 ,  赵宇曦 ,  李世昌 ,  何义茹

IPC: G06T7/223 ,  G06T7/246 ,  G06V10/82 ,  G06N3/045 ,  G06V10/80 ,  G06V10/766 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于视觉跟踪技术领域，公开一种基于孪生残差注意力聚合网络的视觉目标跟踪方法，包括：提出了一种孪生残差注意力聚合网络框架SiamRAAN，实现了自适应特征隐式更新；首先，SiamRAAN将Self‑RAAN加入骨干网络中，利用残差自注意力提取出目标有效特征；然后，通过加入Cross‑RAAN，使目标模板和搜索图像提取特征时重点关注关联性高的部分，同时实现了模板特征的在线更新；最后，加入了多级特征融合模块，对RAAN增强的特征信息进行融合，提升了网络对于重点特征的感知能力，提高了视觉目标跟踪的准确性。

公开(公告)号：CN117530701A

公开(公告)日：2024-02-09

申请号：CN202311338241.2

申请日：2023-10-16

Applicant: 河南大学

Inventor： 宋亚林 ,  李世昌 ,  胡小树 ,  于俊洋 ,  李涵 ,  辛致宜 ,  赵宇曦

IPC: A61B5/369 ,  A61B5/372 ,  A61B5/00 ,  G06F18/2131 ,  G06F18/25 ,  G06F18/241 ,  G06N3/0442 ,  G06N3/045 ,  G06F123/02

Abstract: 本发明提供一种认知负荷分类方法和系统。该方法包括获取目标用户的脑电信号；将脑电信号输入至训练好的认知负荷分类模型中，得到目标用户此时的认知负荷等级；认知负荷分类模型的分类过程具体包括：根据输入的用户的脑电信号，生成能量地形图；提取能量地形图中的空间特征；对提取到的空间特征进行频谱时间特征提取以便定位得到最具有区分力的时段内的特征；根据所述最具有区分力的时段内的特征，预测得到用户的认知负荷等级；其中，提取能量地形图中的空间特征具体包括：步骤A1：对能量地形图中每个频段的信息进行独立提取并优化，得到每个频段对应的优化后空间特征；步骤A2：对不同尺度的特征图进行融合，得到最终的空间特征。

公开(公告)号：CN117437517A

公开(公告)日：2024-01-23

申请号：CN202311145182.7

申请日：2023-09-06

Applicant: 河南大学

Inventor： 宋亚林 ,  胡小树 ,  王元 ,  王展慧 ,  伍培柔 ,  邱杰 ,  沈兴盛 ,  李世昌

IPC: G06V10/82 ,  G06V10/25 ,  G06V10/40 ,  G06V10/764 ,  G06V10/766 ,  G06V10/80 ,  G06T7/00 ,  G06N3/045 ,  G06N3/0464

Abstract: 针对目前工业小目标检测识别率低、执行效率低等问题，本发明公开了一种基于PslNet的工业小目标检测方法，具体提出了一种名为PslNet的检测算法。首先，设计了特征多重加强(FDD)模块，融合Focus下采样、空洞卷积和稠密连接，提高小目标分辨率、扩大感受野、实现了特征重用；其次，提出双融合DFM模块，由上采样融合模块和高低层特征融合模块组成，能够获得信息损失少、位置和语义信息丰富的高分辨率特征图；最后，引入基于anchor‑free的HPLW模块，改进网络预测模块，解决初始锚框不能较好匹配数据集的问题。相比当前主流算法，本发明具有精度高，模型轻便执行效率高，更适合用于工业小目标检测。

公开(公告)号：CN117351340A

公开(公告)日：2024-01-05

申请号：CN202311249748.0

申请日：2023-09-25

Applicant: 河南大学

Inventor： 宋亚林 ,  沈兴盛 ,  李世昌 ,  胡小树 ,  梁明阳 ,  李光耀

IPC: G06V20/05 ,  G06V10/774 ,  G06V10/30 ,  G06V10/34

Abstract: 本发明公开一种基于双颜色空间的水下图像增强算法，首先引入HSV颜色空间调整模块来对水下图像进行处理，改善水下图像的色调和饱和度；其次提出RGB颜色空间去噪模块，对水下图像的内容和结构进行修复，最后设计RAB注意力模块，完善水下图像的细节。本发明通过在HSV颜色空间进行深度学习的方法提取特征，并加上神经曲线进行调整，使水下图片预先得到了很好的处理，在RGB颜色空间去噪模块的卷积操作中引入多个并行的卷积分支，可以增加模型的层级表示能力，获得不同尺度的感受野，且可以更好地保留输入图像的细节纹理特征。