-
公开(公告)号：CN108898620A
公开(公告)日：2018-11-27
申请号：CN201810619827.9
申请日：2018-06-14
Applicant: 厦门大学
Abstract: 基于多重孪生神经网络与区域神经网络的目标跟踪方法，涉及计算机视觉技术。通过使用预训练的多重孪生神经网络，将目标跟踪问题转化为可更新的实例检索问题。同时采用预训练的区域神经网络，以解决目标丢失后的重检测问题。首先在大型视觉识别数据库上训练多重孪生神经网络对目标进行实例检索，然后在目标跟踪过程中运用预训练的区域神经网络对丢失目标进行重新检测，进一步辅助获取最终目标的位置，实现实时的目标跟踪。首先在大型视觉识别数据库上训练多重孪生神经网络对目标进行实例检索，然后在目标跟踪过程中运用预训练的区域神经网络对丢失目标进行重新检测，进一步辅助获取最终目标的位置，实现实时的目标跟踪的。
-
公开(公告)号：CN104573731B
公开(公告)日：2018-03-23
申请号：CN201510061852.6
申请日：2015-02-06
Applicant: 厦门大学
IPC: G06K9/62
Abstract: 基于卷积神经网络的快速目标检测方法，涉及计算机视觉技术。首先利用训练集训练出卷积神经网络参数，然后利用扩展图的方式解决最大池化丢失特征的问题并生成判别完备特征图；把卷积神经网络的全连接权重看成线性分类器，采用可能近似学习框架来估计线性分类器在判别完备特征上的泛华误差；根据泛华误差和所期望泛化误差阈值来估算所需线性分类器个数，最后在判别完备特征图上用线性分类器基于平滑窗的方式完成目标检测。显著提高检测效率和目标检测精度。
-
公开(公告)号：CN107392244A
公开(公告)日：2017-11-24
申请号：CN201710587701.3
申请日：2017-07-18
Applicant: 厦门大学
Abstract: 本发明实施例提供一种基于深度神经网络与级联回归的图像美感增强方法，包括以下步骤:S1，提供尺寸为C0的原始图像，通过级联回归算法进行求解获得最小化目标；S2，通过AVA数据集与CHUKPQ数据集训练深度卷积神经网络的提取图像特征功能；S3，通过深度卷积神经网络提取深度特征xt，并通过深度卷积神经网络的空间金字塔池化层将尺寸为C0原始图像变转化为(2*2+3*3+4*4)*32的特征向量；S4，将提取的深度特征xt应用于随机蕨回归器中，并采用梯度下降方法学习获得基元回归器，通过级联回归器 来输出候选结果Cj(1≤j≤4)；不断迭代直到误差不再减小，获得基元回归器的最小化目标函数；S5，将步骤S4中获得的基元回归器与深度特征xt按照迭代的方式进行T次循环，通过多级循环剪切获得最终裁剪图像。
-
Patent Agency Ranking
公开(公告)号：CN107123119A
公开(公告)日：2017-09-01
申请号：CN201710287180.X
申请日：2017-04-27
Applicant: 厦门大学
Abstract: 一种针对多结构数据的指导性采样方法，涉及计算机视觉技术。1)准备输入数据；2)如果当前总采样次数c小于M，那么执行步骤3)～7)；否则，结束采样且输出模型假设集Θ；3)如果当前总采样次数c小于b，那么使用随机采样方法采样一个数据子集S；否则使用提出的指导性采样方法采样一个数据子集S；4)使用采样到的数据子集S估计一个模型假设θ；5)对每一个xi∈χ，计算xi与θ的绝对残差到；6)如果当前总采样次数c大于等于b且c是b的整数倍，那么更新窗口大小w且排序得到残差索引的重排列7)把模型假设添加到模型假设集中。
-
公开(公告)号：CN105975918A
公开(公告)日：2016-09-28
申请号：CN201610278401.2
申请日：2016-04-29
Applicant: 厦门大学
IPC: G06K9/00
CPC classification number: G06K9/00758 , G06K9/00751 , G06K2209/21
Abstract: 基于多模型估计的面向移动摄像机的运动目标检测方法，涉及计算机视觉技术。对输入视频图像序列预处理，并进行特征提取；从匹配对F中估计出第一个投影变换模型S1；从匹配对F中提取第二个投影变换模型S2；分别使用两个变换模型将S1,S2把前一帧Ik‑1投影到当前帧Ik并进行帧差，得到两个差分图d1和d2；将前一帧的检测结果Mk‑1作为置信区域，对d1和d2进行二值化得到两个二值化差分图mask1和mask2；将mask1和mask2进行逻辑与操作得到二值化图maskAndk，再进行形态学处理得到最终的检测结果Mk。
-
-
公开(公告)号：CN103455805A
公开(公告)日：2013-12-18
申请号：CN201310450629.1
申请日：2013-09-27
Applicant: 厦门大学
IPC: G06K9/00
Abstract: 一种新的人脸特征描述方法，涉及人脸识别。首先利用训练集对每幅图像建立差分图像集，其次将差分图像集中的每幅图像按照事先的规定提取LTPBP特征描述向量，然后按照约定的规则把LTPBP特征描述向量组合成10个不同的特征矩阵、利用LDA方法对生成的特征向量矩阵分别进行一次学习从而得到10个投影矩阵，再分别利用投影矩阵对原LTPBP特征描述向量进行投影学习得到降维后的LTPBP特征描述向量，最后把属于同一幅图像中得到的低维LTPBP特征描述向量串连起来生成PPC特征描述向量。提出与漂移差分方法相结合的LTPBP纹理特征描述向量，加速了特征提取的运算效率。
-
公开(公告)号：CN103268497A
公开(公告)日：2013-08-28
申请号：CN201310241306.1
申请日：2013-06-18
Applicant: 厦门大学
Abstract: 一种人脸姿态检测方法与在人脸识别中的应用，涉及一种人脸识别。对训练集中的图像分类，通过训练集的HOG特征计算出对应于三种人脸姿态的姿态估计滤波器组，通过训练集的Gabor特征计算出对应于三种人脸姿态的识别滤波器组，根据测试图片的HOG特征判定图像中人脸的姿态方向并利用相应的识别滤波器组做识别。将人脸姿态分为三类：左侧、正面、右侧姿态人脸。分别提取三类人脸姿态的HOG和Gabor特征。用PCA分别对三类人脸姿态的HOG和Gabor特征去噪和降维。提取每类人脸的轮廓信息。提取测试图像的HOG特征并以此信息判定该测试人脸的姿态方向。根据测试人脸的姿态方向利用相应的Gabor滤波器组识别测试图像。
-
-
-
-
-
-
-
Search Results
158
records
(took 0.029 seconds)
