-
公开(公告)号：CN111079544B
公开(公告)日：2022-09-16
申请号：CN201911150556.8
申请日：2019-11-21
摘要： 本发明公开了一种基于加权联合最近邻的多任务稀疏表示检测方法，属于图像处理技术领域，一种基于加权联合最近邻的多任务稀疏表示检测方法，包括以下步骤：利用多任务学习技术，构建多任务稀疏表示模型，将所有任务上累积的总重构误差应用于检测目标，得到多任务稀疏表示的检测结果，利用加权联合最近邻方法进行计算，得到加权最近邻的检测结果，将加权最近邻的检测结果和多任务稀疏表示的检测结果相结合，得到最终的检测函数，可以实现通过光谱信息和邻域空间信息同时进行检测，利用多任务学习，联合多个相关的子稀疏表示，得到较好目标检测效果，并且加入了加权联合最近邻算法，提高了对空间信息的利用，使目标检测效果得到了进一步提升。
-
公开(公告)号：CN111626090B
公开(公告)日：2023-07-07
申请号：CN202010137381.3
申请日：2020-03-03
IPC分类号： G06V20/40 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0464
摘要： 本发明公开了一种基于深度帧差卷积神经网络的运动目标检测方法，属于计算机视觉领域，一种基于深度帧差卷积神经网络的运动目标检测方法，本发明的DifferenceNet具有孪生Encoder‑Decoder结构，通过输入两帧图像与对应的监督标签，可以学习两帧图像之间的时序信息与差异特征；AppearanceNet具有Encoder‑Decoder结构，通过主干提取t帧图像的表观信息，然后通过时‑空信息融合，对t+1帧图像中的运动目标进行预测；AppearanceNet还通过多尺度特征图融合和逐步上采样来保留多尺度空间信息，并且本方法在定性和定量方面均显着优于最新算法，并适用于存在动态背景，光照变化和阴影的复杂场景。
-
公开(公告)号：CN113291938A
公开(公告)日：2021-08-24
申请号：CN202110575435.9
申请日：2021-05-26
摘要： 本发明提供了一种电梯优化调度系统及其调度方法，该优化调度系统由第一摄像头1、第二摄像头2、电信号传感器3、警示器4和中央处理器5组成。其中，第一摄像头1设置在电梯客舱的上方，用于获取电梯内的图像；第二摄像头2设置在各楼层的走廊中，用于获取包括电梯在内的一定区域的图像；电信号传感器3设在各楼层的电梯上下控制按钮内，用于获取电梯上下控制按钮信息；警示器4设在各楼层的电梯上下控制按钮旁，用于及时的发出警示铃声；中央处理器5与上述所有设备通过无线连接。利用该优化调度系统，可以使电梯智能实施减速决策，有效解决电梯空停或电梯满员后仍然停靠等问题。
-
公开(公告)号：CN111626090A
公开(公告)日：2020-09-04
申请号：CN202010137381.3
申请日：2020-03-03
摘要： 本发明公开了一种基于深度帧差卷积神经网络的运动目标检测方法，属于计算机视觉领域，一种基于深度帧差卷积神经网络的运动目标检测方法，本发明的DifferenceNet具有孪生Encoder-Decoder结构，通过输入两帧图像与对应的监督标签，可以学习两帧图像之间的时序信息与差异特征；AppearanceNet具有Encoder-Decoder结构，通过主干提取t帧图像的表观信息，然后通过时-空信息融合，对t+1帧图像中的运动目标进行预测；AppearanceNet还通过多尺度特征图融合和逐步上采样来保留多尺度空间信息，并且本方法在定性和定量方面均显着优于最新算法，并适用于存在动态背景，光照变化和阴影的复杂场景。
-
公开(公告)号：CN111079544A
公开(公告)日：2020-04-28
申请号：CN201911150556.8
申请日：2019-11-21
摘要： 本发明公开了一种基于加权联合最近邻的多任务稀疏表示检测方法，属于图像处理技术领域，一种基于加权联合最近邻的多任务稀疏表示检测方法，包括以下步骤：利用多任务学习技术，构建多任务稀疏表示模型，将所有任务上累积的总重构误差应用于检测目标，得到多任务稀疏表示的检测结果，利用加权联合最近邻方法进行计算，得到加权最近邻的检测结果，将加权最近邻的检测结果和多任务稀疏表示的检测结果相结合，得到最终的检测函数，可以实现通过光谱信息和邻域空间信息同时进行检测，利用多任务学习，联合多个相关的子稀疏表示，得到较好目标检测效果，并且加入了加权联合最近邻算法，提高了对空间信息的利用，使目标检测效果得到了进一步提升。
-
公开(公告)号：CN116612319A
公开(公告)日：2023-08-18
申请号：CN202310478058.6
申请日：2023-04-28
申请人： 桂林电子科技大学
IPC分类号： G06V10/764 , G06V10/58 , G06V10/77
摘要： 本发明涉及计算机视觉技术领域，具体涉及一种基于高斯流形的高光谱图像分类方法，具体通过高斯流形所导出的黎曼度量，即切空间内积，样本数据得以在流形切空间进行图嵌入和度量学习，较大程度地保留了数据的几何特征；此外利用样本间的重构系数来建立图权重以降低噪声和误差的干扰，同时利用非负重构系数图理论来避免负的图权重出现；最后使用度量学习的目标函数，在低维空间中使得类内距离减小，类间距离增大，求得流形切空间的投影矩阵，实现高光谱图像的显式且非线性的降维，此时在低维空间中使用最近邻分类器即可获得较高的分类精度。本发明能够结合高光谱图像的空谱信息，并挖掘和保留高光谱图像蕴含的非线性特征，实现较高的分类精度。
-
公开(公告)号：CN114758141A
公开(公告)日：2022-07-15
申请号：CN202210362514.6
申请日：2022-04-07
申请人： 桂林电子科技大学
IPC分类号： G06V10/30 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明涉及深度学习技术领域，尤其涉及一种协同学习的带噪声标签图像分类方法，在保留了Co‑teaching方法协同训练的基础上，进行了两点改进，首先抛弃了交叉训练的方式，采取单向的数据交换方式，其次修改了数据接收方网络的损失函数，数据接收方和数据提供方的损失函数不同，结合对称交叉熵损失函数和标签平滑正则化，本发明通过单向数据交换对的小损失训练抑制了噪声标签对图像分类的影响，并通过对称交叉熵损失函数提高鲁棒性以及标签平滑正则化防止过拟合。
-
公开(公告)号：CN109034080B
公开(公告)日：2021-10-22
申请号：CN201810866120.8
申请日：2018-08-01
申请人： 桂林电子科技大学
摘要： 本发明属于人工智能技术领域，本发明所涉及的域自适应方法也属于迁移学习领域的一个重要分支，公开了一种多源域自适应人脸识别的方法。提出通过学习多个源域和单个目标域的公共子空间的方法，应用于人脸识别问题。解决了对于源域和目标域不同分布的数据，且目标域数据没有或者具有少量的标签，人脸识别问题在源域上学习的分类器在目标域上做识别效果差的问题。方法通过学习多个源域和单目标域的样本，得到一个公共的子空间，在公共子空间中通过将源域转化为目标域的线性表示数据，并将目标化的源域数据投到高维空间中，使其在高维空间中构造线性最优超平面，并学习到一个核分类器，再对测试样本进行识别分类，获得了有益的效果。
-
公开(公告)号：CN108920544A
公开(公告)日：2018-11-30
申请号：CN201810609066.9
申请日：2018-06-13
申请人： 桂林电子科技大学
摘要： 本发明公开了一种基于知识图谱的个性化职位推荐方法，包括：获取求职招聘领域数据，获取求职者的简历信息，对求职招聘领域数据进行规范化处理；之后进行知识抽取，融合，形成结构化的求职招聘领域知识；将获取的结构化的求职招聘领域知识存入图数据库，构建求职招聘领域知识图谱；构建基于知识图谱的个性化职位推荐模型；读取求职者的简历信息，基于上述知识图谱对简历信息中某些属性进行映射；基于上述知识图谱，根据上述职位推荐模型对职位按行业类别进行过滤，形成待推荐职位列表；针对待推荐职位列表，对简历信息和职位信息中的相应属性进行量化；计算简历信息和职位信息的相似度，筛选出与求职者简历相似度最高的前N个职位生成职位推荐列表，并推荐给求职者。
-
公开(公告)号：CN117911620A
公开(公告)日：2024-04-19
申请号：CN202410076273.8
申请日：2024-01-18
申请人： 桂林电子科技大学
摘要： 本发明涉及三维视觉技术领域，具体涉及一种基于神经逆渲染和相互反射建模的光度立体表面重建方法，无需借助特殊仪器对物体标定光照，只通过光照网络模型得到光照方向和强度，再基于图像信息通过利用网络模型预测光照并基于表面法线和表面反射的多层感知网络进行神经逆渲染来重建图像，然后通过优化重建损失来得到准确的表面法线，同时本发明还通过利用相互反射模型处理一些具有复杂几何物体表面存在的相互反射问题，更进一步降低表面法线估计误差。本发明。解决了现有的光度立体表面重建方法的需要借助真实法向量和光照信息才能增强重建准确度的技术问题。
-
-
-
-
-
-
-
-
-
搜索结果
32 条记录 (耗时 0.068 秒)
