-
公开(公告)号：CN107644203A
公开(公告)日：2018-01-30
申请号：CN201710815514.6
申请日：2017-09-12
Applicant: 江南大学
Abstract: 本发明提出了一种形状自适应分类的特征点检测方法。首先该发明使用了多视角模型，对不同的人脸姿态进行相应的处理，在基于级联回归的多视角模型训练和测试过程中，使用姿态分类算法对不同的人脸样本进行分类。其次，在测试过程中，根据级联回归算法的特性，采用了动态人脸姿态分类的方法，逐步提高分类的准确性，从而提高人脸特征点定位算法的精度。同时，为了进一步减少特征点定位的误差，本发明使用了多个多视角模型集成策略，在测试过程中，多个多视角模型同时用于预测特征点位置。试验证明，与传统方法比较，本发明对非限制环境下人脸表观变化有更好的鲁棒性。
-
公开(公告)号：CN117392284A
公开(公告)日：2024-01-12
申请号：CN202311682269.8
申请日：2023-12-08
Applicant: 江南大学
Abstract: 本发明提供一种自适应条件增强的文本图像生成方法、系统、装置及介质，涉及文本‑图像生成技术领域，该方法包括采集文本信息，构建数据集；构建文本图像生成模型ACE‑GAN；将数据集输入到构建好的文本图像生成模型ACE‑GAN中，进行条件对抗性学习训练，得到训练好的文本图像生成模型ACE‑GAN；将文本信息输入到训练好的文本图像生成模型ACE‑GAN中，生成图像。本发明方法解决了单阶段生成网络中的跨模态信息交互性能较差，导致文本与生成图像之间的语义一致性较差的问题，提高了图像质量和多样性。
-
公开(公告)号：CN109948566B
公开(公告)日：2023-08-18
申请号：CN201910231686.8
申请日：2019-03-26
Applicant: 江南大学
Abstract: 本发明公开了一种基于权重融合与特征选择的双流人脸反欺诈检测方法，包括，通过采集设备采集人脸图片；提取特征，并确定人脸标签；对特征进行融合；以及，判断人脸真假，并响应于显示设备上；其中，所述特征包括HSV像素特征、YCbCr像素特征、BSIF灰度特征和神经网络卷积特征、LBP特征和HOG特征；其中，所述融合区分为权重融合和分数级融合；本发明方法将采集的HSV像素特征、YCbCr像素特征、BSIF灰度特征和神经网络卷积特征、LBP特征和HOG特征进行权重融合，大大提高了真假人脸的识别效果，同时提供了鲁棒性，还加快了运行效率。
-
公开(公告)号：CN116168278A
公开(公告)日：2023-05-26
申请号：CN202211603192.6
申请日：2022-12-13
Applicant: 江南大学
Abstract: 本发明公开了一种基于卡方分布的对抗样本生成模型初始化方法包括：基于卡方分布获取一个维度和原始图像的大小相同的扰动，并对扰动进行标准化和缩小处理；通过将处理后的扰动添加到原始图像上，构建出具有初始化扰动的新图像；采用MI‑FGSM方法对深度神经网络模型进行攻击，实现对抗样本的攻击成功率的提升；本发明提供的方法能够有效地提高对抗样本的攻击成功率，相较于现有的方法，模型的精度有显著的下降；此外，本发明第一次探索初始扰动对对抗性例子生成的影响，综合分析了对抗扰动初始化方法的超参数，适当的初始化扰动有助于降低目标模型的识别精度。
-
公开(公告)号：CN112836637B
公开(公告)日：2022-06-14
申请号：CN202110146335.4
申请日：2021-02-03
Applicant: 江南大学
IPC: G06V40/10 , G06V10/44 , G06V10/46 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于空间逆向注意网络的行人重识别方法，包括：采集所拍摄的图片并划分为训练集及测试集；基于Resnet‑50构建空间逆向注意网络模型，根据所述训练集对卷积神经网络进行训练，并加入CBAM‑Pro；根据所加入的CBAM‑Pro将所述网络划分为两条支路，并同时执行正向学习及逆向注意，提取正向、逆向的全局特征以及局部特征；基于所提取的特征根据通道维度连接起来得到包含多类型特征的行人鉴别特征，利用所述测试集对所述行人鉴别特征进行重识别验证，完成行人重识别。本发明基于空间逆向注意网络提取多类型的行人鉴别特征，提高了重识别的有效性与可靠性。
-
Patent Agency Ranking
公开(公告)号：CN107644203B
公开(公告)日：2020-08-28
申请号：CN201710815514.6
申请日：2017-09-12
Applicant: 江南大学
Abstract: 本发明提出了一种形状自适应分类的特征点检测方法。首先该发明使用了多视角模型，对不同的人脸姿态进行相应的处理，在基于级联回归的多视角模型训练和测试过程中，使用姿态分类算法对不同的人脸样本进行分类。其次，在测试过程中，根据级联回归算法的特性，采用了动态人脸姿态分类的方法，逐步提高分类的准确性，从而提高人脸特征点定位算法的精度。同时，为了进一步减少特征点定位的误差，本发明使用了多个多视角模型集成策略，在测试过程中，多个多视角模型同时用于预测特征点位置。试验证明，与传统方法比较，本发明对非限制环境下人脸表观变化有更好的鲁棒性。
-
公开(公告)号：CN109977865A
公开(公告)日：2019-07-05
申请号：CN201910231519.3
申请日：2019-03-26
Applicant: 江南大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于人脸颜色空间和度量分析的欺诈检测方法，该方法是针对打印照片作为欺诈手段所设计的识别模型。原始图像为RGB三通道的彩色图像，通过颜色空间转换将原始图像转换到多个颜色空间，接着提取LBP局部纹理特征，得到各个颜色空间的纹理图。所有的特征图通过度量分析的训练算法，得到投影的映射矩阵，经过计算可以将特征图映射投影到更具判别性的特征空间，最后我们合并所有的统计量特征，送入卷积神经网络，计算分类结果。本发明解决了现有欺诈检测技术普遍存在的识别效率不高，容易受到噪声干扰等问题。
-
公开(公告)号：CN118692137A
公开(公告)日：2024-09-24
申请号：CN202410580695.9
申请日：2024-05-11
Applicant: 江南大学 , 第图(苏州)生物科技有限公司
IPC: G06V40/20 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/0455
Abstract: 本发明涉及计算机视觉识别技术领域，特别是基于交替时空编码器的三维人体姿态估计方法及系统。设计了结合图卷积的空间编码器，通过图卷积网络和自注意力机制分别学习人体关节点的局部和全局特征，增强了捕捉关节点复杂空间关系的能力。设计了基于聚焦注意力的时序编码器，通过聚焦注意力机制在不同层次上进行自注意力计算，能够融合细粒度和粗粒度特征，提高了处理冗余序列的能力。将空间编码器和时序编码器进行交替训练，有效地捕捉人体关节特征和序列时序信息，提升了三维姿态估计精度。
-
公开(公告)号：CN118691788A
公开(公告)日：2024-09-24
申请号：CN202410580698.2
申请日：2024-05-11
Applicant: 第图(苏州)生物科技有限公司 , 江南大学
IPC: G06V10/25 , G06V10/44 , G06N3/0455 , G06N3/09 , G06N3/0464
Abstract: 本发明公开了一种基于边缘增强的宽解码器显著性目标检测方法及系统包括：获取高分辨率图像数据集并对数据集中的目标高分辨率图像进行下采样处理，得到目标下采样图像；将目标高分辨率图像以及目标下采样图像分别输入显著性目标检测模型，显著性目标检测模型通过双通道网络对图像进行特征提取，得到不同层次的特征，拼接双通道网络的最深层特征并将拼接结果输入多尺度注意力模块得到第一特征；基于第一特征，利用多级宽解码器模块依次融合双通道网络的前三层特征得到第二特征，对第二特征进行特征解码得到最终的显著性目标检测结果。本发明能够在有限的计算资源下对高分辨率图像中的复杂几何形状进行精细化处理，精确提取边缘信息实现高质量分割。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.021 seconds)
