-
公开(公告)号：CN109961051B
公开(公告)日：2022-11-15
申请号：CN201910243050.5
申请日：2019-03-28
Applicant: 湖北工业大学
IPC: G06V40/10 , G06V10/44 , G06V10/762
Abstract: 本发明公开了一种基于聚类和分块特征提取的行人重识别方法，(1)通过K‑means对图像进行聚类，将聚类的图像分别输入DCGAN网络中，分别生成图像，对原始训练集进行扩充；(2)在深度学习中，通过分块特征提取对真实数据和生成的没有标签的数据进行特征提取，同时采用发明的聚类标注平滑归一化损失函数(CLS)对数据标签化训练，测试时采用重排(Re‑ranking)进一步提升行人重识别效果。本发明联合了聚类标注平滑归一化损失函数以及分块特征提取方法，解决了行人重识别训练数据有限以及标签分配问题，同时通过分块的方式提取了图像的有效特征。
-
公开(公告)号：CN109961051A
公开(公告)日：2019-07-02
申请号：CN201910243050.5
申请日：2019-03-28
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于聚类和分块特征提取的行人重识别方法，(1)通过K‑means对图像进行聚类，将聚类的图像分别输入DCGAN网络中，分别生成图像，对原始训练集进行扩充；(2)在深度学习中，通过分块特征提取对真实数据和生成的没有标签的数据进行特征提取，同时采用发明的聚类标注平滑归一化损失函数(CLS)对数据标签化训练，测试时采用重排(Re‑ranking)进一步提升行人重识别效果。本发明联合了聚类标注平滑归一化损失函数以及分块特征提取方法，解决了行人重识别训练数据有限以及标签分配问题，同时通过分块的方式提取了图像的有效特征。
-
公开(公告)号：CN109063719A
公开(公告)日：2018-12-21
申请号：CN201810365992.6
申请日：2018-04-23
Applicant: 湖北工业大学
CPC classification number: G06K9/6267 , G06K9/6296 , G06N3/0454
Abstract: 本发明公开了一种联合结构相似性和类信息的图像分类方法，在利用深度网络的结构特点上，提供一种新型深度学习方法—联合结构相似性和类信息的图像识别算法。并将该深度学习算法应用在手写数字识别和自然图像识别中，提出联合结构相似性与类信息的图像识别方法。该方法能能高效地提取小图像高层次信息；其次，该方法引入了联合度量损失和图像类别信息建立损失函数，度量损失通过计算图像高层次语义向量之间的相似性，最小化类内距离和类间距离与某一常数(通常为1)之差，不仅加快了网络的训练收敛速度，同时保持或者提高测试集图像的分类准确率。本发明简单且易于实现，提升图像识别性能的同时，也提高了网络的训练效率。
-
公开(公告)号：CN109035274B
公开(公告)日：2021-10-22
申请号：CN201810964338.7
申请日：2018-08-23
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于背景估计与U型卷积神经网络的文档图像二值化方法，采用灰度变换将灰度图像的灰度值分布进行线性拉伸，利用形态学闭操作估计出文档图像的背景，再通过U型卷积神经网络对剔除估计背景后的图像进行分割，并采用全局最优阈值处理算法实现图像二值化。本发明能够显著提高复杂背景下的文档图像二值化效果。该方法适用于纤细笔画、墨迹浸润、页面有污渍、光照不均、对比度低等复杂背景下的低质量文档图像二值化处理。
-
公开(公告)号：CN109087328A
公开(公告)日：2018-12-25
申请号：CN201810549488.1
申请日：2018-05-31
Applicant: 湖北工业大学
Abstract: 本发明涉及基于计算机视觉的羽毛球落点位置预测方法，根据羽毛球比赛视频得到的视频帧图片，以场地中心为原点，计算出视频帧图片中羽毛球场地与模型场地之间的透视变换关系，确定羽毛球场地模型；然后由运动区域检测模块采用时间差分法区分出运动区域和背景部分；对差分图像进行二值化处理，图像分割，轮廓跟踪进而提取出羽毛球的特征信息；采用轨迹跟踪算法确定羽毛球的飞行轨迹；采用卡尔曼滤波算法对羽毛球的轨迹落点位置进行预测；根据轨迹落点位置，采用透视变换法转变到实际羽毛球场地的坐标，从而实现对羽毛球落点位置的预测。本方法能够适用于光照渐变、风速影响、气流影响或者羽毛球速度很快时的复杂场景下的羽毛球落点位置的预测。
-
Patent Agency Ranking
公开(公告)号：CN108769755A
公开(公告)日：2018-11-06
申请号：CN201810391854.5
申请日：2018-04-27
Applicant: 湖北工业大学
IPC: H04N21/258 , H04N21/2187 , H04N5/232 , H04N21/41
CPC classification number: H04N21/25816 , H04N5/23203 , H04N5/23238 , H04N21/2187 , H04N21/4126
Abstract: 本发明属于图像视频处理、信息处理与全景直播技术领域，具体涉及高分辨率全景视频直播拍照系统及方法，所述系统包括图像采集模块、流媒体服务器模块和用户终端模块，所述图像采集模块包括图像采集设备和第一传输模块；所述流媒体服务器模块包括处理模块、存储模块和第二传输模块；所述处理模块包括实时拼接单元、视频编码单元和拍照处理单元；所述存储模块包括存储单元a、存储单元b和存储单元c；所述用户终端模块包括至少一个用户设备，每个用户设备包括显示模块、用户交互模块和第三传输模块。本发明提供的高分辨率全景视频直播拍照系统与方法，能够有效地构建虚拟现实所需要的视频信息并将其传递到用户端显示。
-
公开(公告)号：CN109063719B
公开(公告)日：2022-02-01
申请号：CN201810365992.6
申请日：2018-04-23
Applicant: 湖北工业大学
IPC: G06K9/62 , G06N3/04 , G06V10/764 , G06V10/84 , G06V10/82
Abstract: 本发明公开了一种联合结构相似性和类信息的图像分类方法，在利用深度网络的结构特点上，提供一种新型深度学习方法—联合结构相似性和类信息的图像识别算法。并将该深度学习算法应用在手写数字识别和自然图像识别中，提出联合结构相似性与类信息的图像识别方法。该方法能能高效地提取小图像高层次信息；其次，该方法引入了联合度量损失和图像类别信息建立损失函数，度量损失通过计算图像高层次语义向量之间的相似性，最小化类内距离和类间距离与某一常数(通常为1)之差，不仅加快了网络的训练收敛速度，同时保持或者提高测试集图像的分类准确率。本发明简单且易于实现，提升图像识别性能的同时，也提高了网络的训练效率。
-
公开(公告)号：CN109101865A
公开(公告)日：2018-12-28
申请号：CN201810549705.7
申请日：2018-05-31
Applicant: 湖北工业大学
Abstract: 本发明公开一种基于深度学习的行人重识别方法，包括：步骤1：预训练CNN模型：包括行人特征提取和特征度量，行人特征提取采用将全局特征以及局部特征相融合的方法，特征度量采用欧式距离作为相似性度量，在特征向量的距离约束条件下，建立基于度量矩阵的损失函数，采用的损失函数是在传统的Triplet Loss基础上增加约束函数，对CNN模型进行优化；步骤2：测试数据集：将测试数据集图像输入步骤1训练好的CNN模型中，获取图像特征并用欧氏距离计算目标行人图像和参考行人图像之间的相似度，最后将参考行人图像按照相似度大小排列，获得行人重识别结果。本方法适用于复杂场景下行人的重识别，对于场景变化的可移植性强，算法稳定、速度快，实用性强。
-
公开(公告)号：CN107133929A
公开(公告)日：2017-09-05
申请号：CN201710289747.7
申请日：2017-04-27
Applicant: 湖北工业大学
CPC classification number: G06T5/008 , G06T5/002 , G06T7/13 , G06T7/62 , G06T2207/20028 , G06T2207/30176
Abstract: 本发明公开了一种基于背景估计和能量最小化的低质量文档图像二值化方法，首先对彩色文档图像进行灰度预处理、采用双边滤波对图像进行降噪处理、图像背景估计、背景减除与图像增强、构造能量函数、构造网络图、最后采用基于增广路径的图割算法实现能量函数的最小化。本发明显著提高了复杂背景下的文档图像二值化效果，能够适用于多种颜色书写、笔画渐变、墨迹浸润、页面有污渍或纹理、光照不均、对比度低等复杂背景的文档图像二值化处理。
-
公开(公告)号：CN107133929B
公开(公告)日：2019-06-11
申请号：CN201710289747.7
申请日：2017-04-27
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于背景估计和能量最小化的低质量文档图像二值化方法，首先对彩色文档图像进行灰度预处理、采用双边滤波对图像进行降噪处理、图像背景估计、背景减除与图像增强、构造能量函数、构造网络图、最后采用基于增广路径的图割算法实现能量函数的最小化。本发明显著提高了复杂背景下的文档图像二值化效果，能够适用于多种颜色书写、笔画渐变、墨迹浸润、页面有污渍或纹理、光照不均、对比度低等复杂背景的文档图像二值化处理。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.02 seconds)
