-
Patent Agency Ranking
公开(公告)号：CN116824408A
公开(公告)日：2023-09-29
申请号：CN202310779784.1
申请日：2023-06-28
Applicant: 东南大学
IPC: G06V20/17 , G06N3/0464 , G06V10/82 , G06V10/80 , G06V10/774 , G06V10/42 , G06V10/44 , G06N3/045
Abstract: 本发明公开了一种基于多特征并行混合的航拍小目标检测方法，该方法包括：将最大池化引入自校正卷积中，强化对局部特征及上下文信息的识别；借助量子思想，在视觉多层感知机领域，将分割后得到的token之间的关系看作波函数的聚合，用最大池化生成幅值和相位，实现更好的聚合效果，在全局特征提取的同时加强局部特征提取；利用最大池化，深度可分离卷积，最大化自校正卷积和基于波的视觉多层感知机进行并行结合，得到多分支模块，实现局部特征的逐步外扩提取，获得更多小目标的上下文特征，将全局和局部的特征进行融合；运用所选的模块和YOLOX网络结合，在航拍小目标数据集上进行测试，我们的模型在输入分辨率较低时，实现了较高精度的小目标检测效果。
-
公开(公告)号：CN111709305B
公开(公告)日：2023-08-11
申请号：CN202010439994.2
申请日：2020-05-22
Applicant: 东南大学
IPC: G06V40/16 , G06V10/56 , G06V10/764
Abstract: 本发明公开了一种基于局部图像块的人脸年龄识别方法，该方法基于深度学习技术，利用采集到的清晰的人脸面部图像，进行分割检测处理，得到图像中人脸的真实年龄。先运用dlib关键点检测模型，去掉采集图像的非面部皮肤区域；再对处理后的图像进行滑动裁剪；针对每个图像块，先进行灰度化，计算平均灰度值，将皮肤占比小于40％的部分作为噪点图片进行剔除，结果保存成patch‑image，用Resnet50网络进行训练，得到获取图像块年龄的模型；再对单张图片进行上述图像处理，将其patch‑image送入模型验证，每张patch‑image会得出一个分类，然后运用SVM方法，得到最终的年龄结果。
-
公开(公告)号：CN114882430A
公开(公告)日：2022-08-09
申请号：CN202210465142.X
申请日：2022-04-29
Applicant: 东南大学
Abstract: 本发明公开了一种基于Transformer的轻量化早期火灾检测方法，包括建立室内外多场景火灾初期图像样本数据集；设计基于Transformer的轻量化主干网络，在Transformer结构中引入线性增强注意力机制，并通过序列与图像的转换和深度可分离卷积，将局部性引入前馈网络中，实现对图像的全局和局部特征处理，并通过逆残差块进行下采样，得到不同分辨率的特征图；通过特征加强和多尺度特征融合结构进一步加强特征提取，最终在混合后的特征图中进行检测，得到火焰目标检测结果。本发明结合了Transformer和卷积神经网络的优势，在优化特征提取的同时，减少了网络的参数和计算量，构建了轻量的检测模型，在保证较高检测精度的同时，实现了较快的检测速度，可以较好地实现多场景火灾早期目标的检测。
-
公开(公告)号：CN114882430B
公开(公告)日：2024-06-11
申请号：CN202210465142.X
申请日：2022-04-29
Applicant: 东南大学
IPC: G06V20/52 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于Transformer的轻量化早期火灾检测方法，包括建立室内外多场景火灾初期图像样本数据集；设计基于Transformer的轻量化主干网络，在Transformer结构中引入线性增强注意力机制，并通过序列与图像的转换和深度可分离卷积，将局部性引入前馈网络中，实现对图像的全局和局部特征处理，并通过逆残差块进行下采样，得到不同分辨率的特征图；通过特征加强和多尺度特征融合结构进一步加强特征提取，最终在混合后的特征图中进行检测，得到火焰目标检测结果。本发明结合了Transformer和卷积神经网络的优势，在优化特征提取的同时，减少了网络的参数和计算量，构建了轻量的检测模型，在保证较高检测精度的同时，实现了较快的检测速度，可以较好地实现多场景火灾早期目标的检测。
-
公开(公告)号：CN111709305A
公开(公告)日：2020-09-25
申请号：CN202010439994.2
申请日：2020-05-22
Applicant: 东南大学
Abstract: 本发明公开了一种基于局部图像块的人脸年龄识别方法，该方法基于深度学习技术，利用采集到的清晰的人脸面部图像，进行分割检测处理，得到图像中人脸的真实年龄。先运用dlib关键点检测模型，去掉采集图像的非面部皮肤区域；再对处理后的图像进行滑动裁剪；针对每个图像块，先进行灰度化，计算平均灰度值，将皮肤占比小于40％的部分作为噪点图片进行剔除，结果保存成patch-image，用Resnet50网络进行训练，得到获取图像块年龄的模型；再对单张图片进行上述图像处理，将其patch-image送入模型验证，每张patch-image会得出一个分类，然后运用SVM方法，得到最终的年龄结果。
-
-
-
-
Search Results
5
records
(took 0.019 seconds)
