-
公开(公告)号：CN111476181A
公开(公告)日：2020-07-31
申请号：CN202010282867.6
申请日：2020-04-13
Applicant: 河北工业大学
Abstract: 本发明一种人体骨架动作的识别方法，涉及用于识别图形的方法，是一种结合时空注意力与图卷积网络的人体骨架动作的识别方法，充分挖掘不同特征信息的多样性和互补性，利用注意力机制自适应地调整空间结构各关节点的权重值和视频序列各帧的重要性，使用图卷积网络进行人体骨架的动作识别，克服了人体骨架的动作识别方法的现有技术，均存在无法更好地捕获时空特征信息，容易对人体较难动作的识别出现错误的缺陷。
-
公开(公告)号：CN111209918A
公开(公告)日：2020-05-29
申请号：CN202010008328.3
申请日：2020-01-06
Applicant: 河北工业大学
Abstract: 本发明是一种图像显著性目标检测方法，涉及图像分析的区域分割，是基于多图模型先验和短连接网络优化的图像显著性检测方法，该方法是对每张输入图像利用颜色和位置信息，计算KNN图模型和K正则图模型，得到在KNN图模型下的显著图S1和在K正则图模型下的显著图S2，再将KNN图模型和K正则图模型进行像素级别的融合，得到原图像的初始显著图S3，利用短连接网络优化初始显著图S3，获得原图像的最终的显著图Sfinal，完成图像显著性目标检测，克服了图像显著性目标检测的现有技术中存在的显著目标检测不完整、当前景背景颜色相似时算法检测不准确的缺陷。
-
公开(公告)号：CN106778902B
公开(公告)日：2020-01-21
申请号：CN201710000628.5
申请日：2017-01-03
Applicant: 河北工业大学
Abstract: 本发明基于深度卷积神经网络的奶牛个体识别方法，涉及图像数据处理中的图像识别方法，是一种采用深度学习当中卷积神经网络提取特征，结合对奶牛纹理特征实现对奶牛个体有效识别的方法，步骤是：奶牛数据的采集；对训练集和测试集的预处理；设计卷积神经网络；训练卷积神经网络；生成识别模型；利用识别模型识别奶牛个体。本发明方法克服了采用图像处理技术对奶牛图像进行处理的现有算法单一，没有充分利用奶牛本身所具有的条纹特点来与图像处理和模式识别技术进行很好的结合，导致奶牛识别准确率低的缺陷。
-
公开(公告)号：CN109753950A
公开(公告)日：2019-05-14
申请号：CN201910109704.5
申请日：2019-02-11
IPC: G06K9/00
Abstract: 本发明动态人脸表情识别方法，涉及用于识别图形的图像特征或特性的方法，是一种基于几何特征及语义特征的动态人脸表情识别方法，步骤是：动态人脸图像序列的预处理；人脸表情灰度图像的人脸表情帧检测与特征点标注；人脸表情灰度图像上人脸表情三角形区域的标定；人脸表情灰度图像上人脸表情三角形区域的几何特征的提取；人脸表情灰度图像上的语义特征的分析与提取；SVM分类器训练并得到分类结果；完成动态人脸表情的识别。本发明克服了现有技术普遍存在实时性差、易受光照影响、特征维数和时间复杂度高进而影响到人脸表情识别率符合要求的缺陷。
-
公开(公告)号：CN109409296A
公开(公告)日：2019-03-01
申请号：CN201811272233.1
申请日：2018-10-30
Applicant: 河北工业大学
CPC classification number: G06K9/00302 , G06K9/00268 , G06K9/00288 , G06K9/6288 , G10L25/57 , G10L25/63
Abstract: 本发明是将人脸表情识别和语音情感识别融合的视频情感识别方法，涉及用于识别图形的记录载体的处理，是一种基于决策级的两个过程递进式的视听情感识别方法，该方法将视频中的人脸表情识别和语音情感识别分开，采用两个过程递进式的情感识别的方法，通过计算条件概率的方式，在人脸表情识别的基础上进行语音情感识别的技术；步骤是：过程A.将人脸图像表情识别作为第一次分类识别；过程B.将语音情感识别作为第二次分类识别；过程C.人脸表情识别和语音情感识别的融合。本发明克服了现有技术在人类情感识别中忽略了人脸特征和语音特征之间的内在联系以及视频情感识别的识别速度慢和识别率不高的缺陷。
-
Patent Agency Ranking
公开(公告)号：CN106373126B
公开(公告)日：2018-09-18
申请号：CN201610800671.5
申请日：2016-09-04
Applicant: 河北工业大学
IPC: G06T7/11
Abstract: 本发明基于融合类测地线和边界对比的图像显著性检测方法，涉及一般的图像数据处理中的图像分析，步骤是，输入彩色图像；超像素分割，包括规则的超像素分割和不规则的超像素分割；计算边界对比图Sc；计算有颜色对比的测地线图Gc和无颜色对比的测地线图Gn，包括预处理、计算邻接矩阵和计算有颜色对比的测地线图Gc和无颜色对比的测地线图Gn；融合三种特征图得到显著图。本发明克服了现有技术无法一致地高亮显著目标的缺陷。
-
公开(公告)号：CN104881661B
公开(公告)日：2018-02-13
申请号：CN201510351724.5
申请日：2015-06-23
Applicant: 河北工业大学
Abstract: 本发明基于结构相似度的车辆检测方法，涉及图像的结构分析，步骤是：第一步，车辆假设区域的标记：获取路面自由驾驶区域、设置路面感兴趣区域、生成路面对称区域、标记路面车辆假设区域；第二步，车辆假设区域的验证：车辆结构相似度特征的提取和训练、提取车辆假设区域的车辆结构相似度特征、对车辆假设区域的车辆结构相似度特征进行验证；该方法降低了车辆检测系统的成本，提高了车辆检测系统的效率和识别精度，具有普遍的适用性。
-
公开(公告)号：CN105373794A
公开(公告)日：2016-03-02
申请号：CN201510937041.8
申请日：2015-12-14
Applicant: 河北工业大学
CPC classification number: G06K9/344 , G06K9/4652 , G06K9/6256 , G06K9/627
Abstract: 本发明一种车牌识别方法，涉及用于识别图形的方法，步骤是：图像预处理；根据颜色和纹理特征分割车辆区域；提取车辆区域图的显著因子图；利用基于扩展的Haar-like特征的Adaboost分类器提取候选车牌；从候选车牌中确定真车牌位置；将标记的车牌从对应的车辆区域原图中分割出来；利用结构特征进行字符分割；基于改进的模板匹配方法的字符识别。本发明方法克服了现有的车牌识别方法应用场景比较单一，有的只适用于简单的单一场景的单一车牌识别，难以适用于多场景的多车牌识别，识别率容易受到强光、雾霾和弱光照环境的影响的缺陷。
-
公开(公告)号：CN114821802B
公开(公告)日：2024-11-01
申请号：CN202210528751.5
申请日：2022-05-16
IPC: G06V40/20 , G06V40/10 , G06V40/16 , G06V20/40 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/0495 , G06N3/082 , G06N5/04
Abstract: 本发明为基于多线索相互蒸馏和自蒸馏的连续手语识别方法，包括获取手语视频，从手语视频中提取脸部、左手手部以及右手手部视频并进行预处理，从视频中提取空间特征，再从空间特征中提取具有短期时间联系的手语词级特征，从手语词级特征中提取具有长期时间联系的上下文级特征，再利用全连接层和激活函数，获得归一化的分类概率矩阵；基于获得的分类概率矩阵构建总损失函数，并训练神经网络；将训练后的神经网络用于预测手语，并输出手语标签。该方法利用了原始手语图像中的脸部信息和手部信息，通过相互蒸馏的方式充分利用脸部信息和手部信息的知识，解决了局部信息利用不充分的问题，提高了神经网络的泛化能力；通过自蒸馏的方式增加了神经网络中不同模块之间的协调性。
-
公开(公告)号：CN114863278B
公开(公告)日：2024-10-29
申请号：CN202210471953.0
申请日：2022-04-29
IPC: G06V20/10 , G06N3/0464 , G06N3/08 , G06V10/25 , G06V10/44 , G06V10/774 , G06V10/82
Abstract: 本发明为一种基于FCSA‑EfficientNetV2的农作物病害识别方法，该识别方法首先对农作物病害图像数据预处理，接着构建FCSA‑EfficientNetV2模型，然后将提取的特征输入到全连接层得到预测结果，最后使用带有标签平滑的交叉熵与成本敏感正则化相结合的损失函数更新模型参数并保存；所述FCSA‑EfficientNetV2模型以EfficientNetV2网络为基础，将注意力模块FCSA替换EfficientNetV2网络中MBConv模块的SE注意力模块。注意力模块FCSA先采用频域注意力获得特征在不同频域上的关注度，再使用空间注意力对频域注意力的特征进行空间上的关联，来对频域特征中需要关注的位置增强关注度，通过频域和空间注意力串联的方式构建FCSA模块，经过注意力增强的特征图输入到全连接层实现了不同作物病害及病害程度的识别。
-
-
-
-
-
-
-
-
-
Search Results
128
records
(took 0.024 seconds)
