-
公开(公告)号：CN101505487A
公开(公告)日：2009-08-12
申请号：CN200910060883.4
申请日：2009-02-27
Applicant: 华中科技大学
Abstract: 本发明公布了一种传感器网络骨架提取方法，包括以下步骤：1.找出边界上的角点，将边界被划分为有限个边界分支；2.识别出相互连通的骨架节点；3.在连通的骨架节点中搜索最远距离的两骨架节点，连接这两个骨架节点生成骨架弦；4.连接相邻骨架弦，再将角点与最近骨架弦相连，生成粗糙骨架图；5.采用剪枝方法优化粗糙骨架图，得到最终骨架。本发明利用不同边界分支确定骨架节点，与传统的算法相比，不会受到边界扰动影响，因而能得到更加近似的网络拓扑结构，从而更好的重构网络。
-
公开(公告)号：CN101140660A
公开(公告)日：2008-03-12
申请号：CN200710053534.0
申请日：2007-10-11
Applicant: 华中科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于离散曲线演化的骨架剪枝方法，属于图像处理技术领域。二值图像骨架化方法得到的骨架都受制于对边界噪声的敏感性，限制了骨架在图像处理领域中的应用。本发明利用离散曲线演化求出图像的轮廓分割，删除生成点在同一轮廓分割上的骨架点，达到删除由边缘噪声引起的冗余骨架分支而保持视觉上重要骨架分枝的目的。本发明综合考虑了物体的全局信息，剪枝后的骨架非常稳定；能保持骨架的拓扑不变性；可以彻底删除不必要的骨架分枝，而避免重要的骨架分枝被缩短；本发明时间复杂度低，且可实现对骨架的多尺度剪枝。本发明在医学图像分析、物体识别、零件检测、三维建模、计算机辅助设计等方向有着潜在的应用。
-
公开(公告)号：CN118918311A
公开(公告)日：2024-11-08
申请号：CN202410933365.3
申请日：2024-07-12
Applicant: 华中科技大学
Abstract: 本发明涉及计算机视觉技术领域，提供了一种基于仿生记忆链解决目标遮挡的端到端视频目标检测方法。方法包括：对原始视频数据集中所有图像的感兴趣类别的目标进行实例级别的标注，得到带标注的标准训练数据集；定义基于仿生记忆链和遮挡目标实例监督的端到端视频目标检测算法模型；根据所述带标注的标准训练数据集，利用反向传播和梯度下降算法训练模型；利用训练好的模型对待检测视频进行视频目标检测。本发明更高效的融合包括当前帧与所有历史帧在内的时序特征，并且进行端到端的训练，训练速度较快，还可表征所有历史帧信息，并根据历史帧与当前帧的相关性和时间接近度来自适应地加权记忆，对被遮挡的目标具有强鲁棒性。
-
公开(公告)号：CN118397375A
公开(公告)日：2024-07-26
申请号：CN202410664140.2
申请日：2024-05-27
Applicant: 华中科技大学
IPC: G06V10/764 , G06V10/82 , G06V10/42 , G06V10/44 , G06V10/80 , G06N3/0442 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种基于门控线性注意力机制的图像分类识别方法：(1)图像嵌入处理，包括以下子步骤：(1.1)将图像分块，铺平展开为图像序列；(1.2)将图像序列输入到图像序列嵌入层中去，处理得到图像特征序列；(2)将图像特征序列输入到由ViG基本处理单元堆叠构建成的图像基础处理网络得到新的图像特征序列；(3)将新的图像特征序列输入到池化层进行平均池化，将平均池化后的特征输入到线性层进行图片的类别预测。所提出的方法在分类数据集ImageNet及各种下游任务上表现出优越的精度、参数和FLOPs的权衡，显著优于当前流行的Transformer和CNN模型。本发明还提供了相应的于门控线性注意力机制的图像分类识别装置。
-
公开(公告)号：CN110837835B
公开(公告)日：2022-11-08
申请号：CN201911038568.1
申请日：2019-10-29
Applicant: 华中科技大学
IPC: G06V30/148 , G06V10/44 , G06V30/18 , G06V10/774 , G06V30/19 , G06V10/764
Abstract: 本发明公开了一种基于边界点检测的场景文本端到端识别方法，通过特征金字塔网络提取文本特征，用于区域提取网络生成候选文本框；然后通过多方向矩形检测网络检测文本实例的更为精准的多方向包围盒；其次在多方向包围盒内检测文本的上下两条边界点序列；最后利用检测到的边界点序列将任意形状的文本转化为水平文本供后续的基于注意力机制的序列识别网络进行识别，最后利用集束搜索算法找到给定词典中预测序列的最匹配单词得到最终的文本识别结果。该方法可以在不需要字符级别的标注情况下同时检测和识别自然图像中任意形状的场景文本，包括水平文本、多方向文本和曲形文本，并且可以完全地进行端到端训练。
-
Patent Agency Ranking
公开(公告)号：CN110826609A
公开(公告)日：2020-02-21
申请号：CN201911038698.5
申请日：2019-10-29
Applicant: 华中科技大学
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：CN110309810A
公开(公告)日：2019-10-08
申请号：CN201910617855.1
申请日：2019-07-10
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于批次中心相似度的行人重识别方法，包括：(1)基于经典基础网络结构，去掉网络最后的全连接层，并添加额外卷积层从而建立全卷积神经网络模型；(2)从原始训练数据集中随机选取P个行人，每个行人随机选取K个图像；(3)利用(2)得到的P*K个图像送进网络进行训练得到P*K个特征向量；(4)对每个行人的K个特征向量求一个中心向量，得到P个中心向量；(5)将P*K个特征向量中的每一个与其对应的中心向量和非同类的中心向量构成一个三元组进行回归优化。本发明方法简单易行，应用范围广，能够有效的解决行人重识别任务中错位、遮挡等问题。
-
公开(公告)号：CN106686472B
公开(公告)日：2019-04-26
申请号：CN201611241691.X
申请日：2016-12-29
Applicant: 华中科技大学
IPC: H04N21/845 , H04N19/587 , H04N7/01 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的高帧率视频生成方法，包括：利用一个或多个原始高帧率视频片段生成训练样本集；利用所述训练样本集中的多个视频帧子集合训练双通道卷积神经网络模型，以获得优化后双通道卷积神经网络，所述双通道卷积神经网络模型为由两个卷积通道融合而成的卷积神经网络；利用所述优化后双通道卷积神经网络，根据低帧率视频中的任意相邻两视频帧生成这两视频帧的插入帧，从而生成帧率高于所述低帧率视频的视频。本发明方法整个过程是端到端的，不需要对视频帧进行后续的处理，视频帧率转换效果良好，合成的视频流畅度高，对于视频拍摄过程中存在的抖动、视频场景切换等问题具有较好的鲁棒性。
-
公开(公告)号：CN106682697A
公开(公告)日：2017-05-17
申请号：CN201611241694.3
申请日：2016-12-29
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于卷积神经网络的端到端目标检测方法，包括：(1)基于经典基础网络结构，去掉经典基础网络最后的全连接层，并添加额外层从而建立卷积神经网络模型；(2)从原始训练数据集中随机选取一张原始图像进行数据扩增得到扩增图像，并获得在原始图像中随机选取的目标图像块在扩增图像中的位置和边框；(3)利用步骤(2)得到的目标图像块在扩增图像中的位置和边界，回归步骤(2)中的卷积神经网络模型得到模型参数，从而得到训练后的卷积神经网络模型；(4)利用训练后的卷积神经网络模型，检测待检测图像中的目标的边界框和类别。本方法采用直接回归目标中心点坐标、宽高和类别，与同类方法相比，在速度上有很大的优势。
-
公开(公告)号：CN103379441B
公开(公告)日：2016-04-13
申请号：CN201310294150.3
申请日：2013-07-12
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于曲线拟合和位置搜索的室内定位方法，包括：在目标区域中设置M个信号源和N个参考点，对每个参考点进行信号强度采样，然后对样本取均值，得到第i个参考点的指纹，将目标区域划分为K个区域，并根据每个区域内的参考点指纹，建立相应的区域指纹并存到指纹数据库，在每个区域内针对每一个信号源，利用该区域内参考点指纹，建立接收信号强度与到信号源距离的函数关系，定位阶段,首先将待定位点指纹与各区域指纹对比，确定待定位点所在区域，然后在定位区域内进行位置搜索，确定待定位点的坐标位置。本发明能够解决现有最小二乘定位技术中，距离估测不准而导致较大的定位误差，而指纹定位易受参考点粒度制约，导致精度有限的问题。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.025 seconds)
