公开(公告)号：CN118195963A

公开(公告)日：2024-06-14

申请号：CN202410334131.7

申请日：2024-03-22

Applicant: 桂林电子科技大学

Inventor： 吴军 ,  翁裕斌 ,  徐刚

IPC: G06T5/77 ,  G06T5/60 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明涉及计算机视觉技术领域，具体涉及一种基于生成式对抗神经网络的RGB‑D深度图补全方法，构建对抗式深度图补全神经网络模型，包括生成器与判别器；将训练集数据送入构建的生成器网络进行训练；使用训练的生成器进行深度图补全预测，将预测的结果和当前使用的数据集送入构建的判别器网络进行判别；计算损失函数，并优化生成器网络的参数和判别器网络的参数；使用测试集数据测试生成器网络的补全效果；对训练所得到的网络模型进行深度图补全应用。显著提高深度图补全的精度，使得生成的深度图更加准确和清晰。进一步优化深度图的补全效果，使得补全后的深度图包含更多深层次信息，提升其质量。

公开(公告)号：CN118196690A

公开(公告)日：2024-06-14

申请号：CN202410359017.X

申请日：2024-03-27

Applicant: 桂林电子科技大学

Inventor： 吴军 ,  冯顺宇 ,  徐刚

IPC: G06V20/40 ,  G06V20/52 ,  G06V10/40 ,  G06V10/764 ,  G06V40/20 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及计算机视觉技术领域，具体涉及一种用于监控视频玩手机行为识别的卷积神经网络设计方法，包括获取场景监控视频；通过yolo目标检测从场景监控视频中获得待检测物体的位置信息；通过openpose提取学生的姿态特征，并把姿态特征和位置信息进行逻辑判断，判断是否为玩手机的行为，得到第一阶段行为识别结果；对位置信息和第一阶段行为识别结果进行融合决策，利用C++多线程技术进行逻辑判断，得到判断结果，同时对场景监控视频进行切片处理，得到视频片段；将视频片段送入Posec3d模型中，基于判断结果进行进一步的行为分类，将关键点分支与骨架分支相结合，得到最终的识别结果，解决了现有的玩手机行为识别的效果较差的问题。

公开(公告)号：CN118366072A

公开(公告)日：2024-07-19

申请号：CN202410343860.9

申请日：2024-03-25

Applicant: 桂林电子科技大学

Inventor： 吴军 ,  冯顺宇 ,  徐刚

IPC: G06V20/40 ,  G06V20/52 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/082

Abstract: 本发明涉及智能监控技术领域，具体涉及一种用于监控视频香烟目标检测的卷积神经网络设计方法，对目标检测网络模型进行改进，得到小目标检测网络模型；使用小目标检测网络模型对数据集进行训练学习；采用全局通道剪枝算法对小目标检测网络模型进行全局通道剪枝；通过小目标检测模型对实际场景中的数据进行推理，得到带有目标类别检测信息的结果数据，本发明通过结合深度学习来解决原生的YOLO目标检测网络对进行改进，提高了YOLO网络模型对小目标的检测效果，降低人力资源和安全隐患，提高了的网络检测模型校测速度速度，有效节省GPU资源从而解决了现有香烟检测方法目标检测准确性不高的问题。

公开(公告)号：CN118379358A

公开(公告)日：2024-07-23

申请号：CN202410333591.8

申请日：2024-03-22

Applicant: 桂林电子科技大学

Inventor： 吴军 ,  翁裕斌 ,  徐刚

IPC: G06T7/80 ,  G06T5/60 ,  G06T5/80 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/084 ,  G06N3/094

Abstract: 本发明涉及深度学习图像处理技术领域，具体涉及一种基于对抗神经网络的RGB‑D相机深度模块标定方法，计算深度相机畸变函数和畸变矫正函数；根据场景真实深度值和计算的观测深度值构建神经网络数据集；构建对抗式深度图矫正神经网络模型；将训练集数据送入构建的生成器网络进行训练；使用训练的生成器去进行深度围矫正预测，并送入构建的判别器网络进行判别；优化生成器网络的参数和判别器网络的参数；对训练所得到的网络模型进行深度围矫正和深度相机标定。训练了一个基于条件对抗神经网络的端到端深度图矫正网络，提高深度信息的准确性。设计了一个参数回归网络，进一步提升深度模块的标定精度。