-
公开(公告)号：CN110826609B
公开(公告)日：2023-03-24
申请号：CN201911038698.5
申请日：2019-10-29
Applicant: 华中科技大学
IPC: G06V10/80 , G06V10/40 , G06V10/774
Abstract: 本发明公开了一种基于强化学习的双流特征融合图像识别方法，对待检测输入图像，使用两个不同的模型分别得到特征矩阵，然后将两个特征矩阵输入到强化学习模型和融合模型后得到最终的分类分数。两个模型分别是纹理模型和形状模型：纹理模型是根据图像中对象的纹理信息来进行分类，而形状模型根据对象的形状信息来进行分类。两个模型都通过强化学习的方式，让网络在整张图像中寻找最有区分力的区域，然后根据这个区域来进行分类。本方法简单易行，推广能力强，找到易于区分图像的区域，区分性区域合适并有效，充分用图像中的纹理和形状信息，能有效克服图像信息利用不充分和图像之间差异小的影响。
-
公开(公告)号：CN112818755B
公开(公告)日：2022-05-06
申请号：CN202110041665.7
申请日：2021-01-13
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于主动学习的步态识别方法，对待检测输入图像，使用主模型提取出特征矩阵，使用副模型对样本进行评估和筛选。在训练过程中，首先使用数量相对较少的已标注样本对主模型和副模型进行训练，然后对未标注的样本进行评估。在得到未标注样本的评估结果后，按照既定策略进行样本筛选，将筛选出的样本加入到已标注样本集中，输入模型中继续进行训练。本方法利用主动学习的思想，从未标注的数据样本中选取更有价值的样本进行标注训练，可以大大减少人工标注的代价。在数据样本有限时，本方法也可用来选取信息量相对更丰富的样本，使模型能够有针对性进行训练，从而在样本有限的情况下，尽可能利用样本多样性来提升模型的效果。
-
Patent Agency Ranking
公开(公告)号：CN112927245A
公开(公告)日：2021-06-08
申请号：CN202110388605.2
申请日：2021-04-12
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于实例查询的端到端实例分割方法：(1)训练基于实例查询和多层级并行掩码监督的端到端实例分割算法模型，包括以下子步骤：(1.1)对原始数据集中所有图片的感兴趣类别的物体进行实例级别的标注，标签为实例级别的包围框的左上及右下顶点和实例对应的前景掩码，得到带标注的标准训练数据集；(1.2)定义基于实例查询向量以及多层级并行掩码监督的端到端实例分割算法模型，利用反向传播和梯度下降算法训练该基于实例查询向量以及多层级并行掩码监督的端到端实例分割算法模型；(2)利用上述训练好的模型对待识别图片进行实例分割。
-
公开(公告)号：CN112926549A
公开(公告)日：2021-06-08
申请号：CN202110404465.3
申请日：2021-04-15
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于时间域‑空间域特征联合增强的步态识别方法，对待检测步态序列，先使用卷积神经网络提取序列特征表达，再自适应地捕捉显著的空域特征，最后分别进行空间域与时间域的建模。自适应显著性特征生成模块可灵活地提取来自不同身体区域的突出特征，有效地丰富特征的多样性与显著性。基于这样的多区域显著性特征，本发明，分别对输入步态序列进行空间域与时间域的建模，通过联合优化，输出空间域‑时间域联合增强的步态特征。本方法在不同场景下的精度高、鲁棒性强，能有效克服由于行人携带不同物品或穿着不同衣物产生的外观变化所导致的不利因素。本发明还提供了相应的基于时间域‑空间域特征联合增强的步态识别系统。
-
公开(公告)号：CN112818755A
公开(公告)日：2021-05-18
申请号：CN202110041665.7
申请日：2021-01-13
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于主动学习的步态识别方法，对待检测输入图像，使用主模型提取出特征矩阵，使用副模型对样本进行评估和筛选。在训练过程中，首先使用数量相对较少的已标注样本对主模型和副模型进行训练，然后对未标注的样本进行评估。在得到未标注样本的评估结果后，按照既定策略进行样本筛选，将筛选出的样本加入到已标注样本集中，输入模型中继续进行训练。本方法利用主动学习的思想，从未标注的数据样本中选取更有价值的样本进行标注训练，可以大大减少人工标注的代价。在数据样本有限时，本方法也可用来选取信息量相对更丰富的样本，使模型能够有针对性进行训练，从而在样本有限的情况下，尽可能利用样本多样性来提升模型的效果。
-
公开(公告)号：CN104636725B
公开(公告)日：2017-09-29
申请号：CN201510058032.1
申请日：2015-02-04
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于深度图像的手势识别方法，训练数据集和测试数据集中的深度图像通过深度传感器采集得到，首先计算图像中人体区域的最小深度值，再利用深度阈值，结合人手是离传感器最近物体的预设条件，分割出深度图像中的手势；然后获取手势在三个正交平面上的投影图，分别称为正视投影图、侧视投影图和顶视投影图；接着提取三个投影图的轮廓片段包特征，并级联成原始深度手势的特征向量；最后训练分类器，对从待识别深度图像中获取的手势特征向量进行分类，得到待识别手势的识别结果。本发明还提供了相应的手势识别系统。本发明方法手势识别简单易行，推广能力强，识别准确率高，能有效克服杂乱背景、光照、噪声及自遮挡等不利因素的影响。
-
公开(公告)号：CN102360450A
公开(公告)日：2012-02-22
申请号：CN201110288334.X
申请日：2011-09-26
Applicant: 华中科技大学
Abstract: 一种基于团块的人数统计方法，包括；对视频源的图像背景进行建模，以获取运动前景图像；对运动前景图像进行消除阴影处理；对运动前景图像进行形态学运算处理，以得到M个团块；取出第i个团块，并判断其是否符合预定条件；如果第i个团块符合预定条件，则保存第i个团块，并设置i＝i+1；判断i是否大于M；如果i大于M，则得到N个符合预定条件的团块；根据预先定义的场景复杂度统计符合条件的团块，并判断其场景复杂度是高还是低；若场景复杂度高，则提取第j个团块的高复杂度特征集；根据场景透视校正矩阵对第j个团块的高复杂度特征集进行校正。
-
-
-
-
-
-
Search Results
17
records
(took 0.022 seconds)
