广义Bedrosian准则下的各向同性图像分解方法

    公开(公告)号:CN113269715B

    公开(公告)日:2022-09-09

    申请号:CN202110377657.X

    申请日:2021-04-08

    Abstract: 本发明公开了一种广义Bedrosian准则下的各向同性图像分解方法,属于计算机视觉中的图像分解技术,对于任意的各向同性图像提出广义Bedrosian准则,可以实现任意各向同性图像的π/2相移,利用广义Bedrosian准则的特性和经验给定的辅助分量可以突破二倍频限制以实现任意相近频率分量的各向同性图像的分解,还可以实现各向异性图像的分解,可以实现任意频率接近但又不相同的各向同性图像的分解。

    一种基于多帧输入与轨迹平滑的多目标跟踪方法和装置

    公开(公告)号:CN114998999A

    公开(公告)日:2022-09-02

    申请号:CN202210856428.0

    申请日:2022-07-21

    Abstract: 本发明公开一种基于多帧输入与轨迹平滑的多目标跟踪方法和装置,方法包括:步骤S1:获取行人视频数据集并进行行人坐标以及行人轨迹的标注,并生成片段型轨迹数据;步骤S2:构造并训练基于多帧输入与轨迹平滑的行人多目标跟踪网络模型;步骤S3:基于训练得到的行人多目标跟踪网络模型进行推理,获取当前帧行人目标检测与特征提取结果以及其前几帧的行人目标检测与特征提取结果,即获取得到多帧图像目标的坐标及外观特征;步骤S4:利用多帧图像目标的坐标及外观特征进行最短特征距离匹配,并利用轨迹曲率平滑函数进行轨迹平滑,最终得到当前帧的轨迹。本发明具有耗时低,且对同类目标的遮挡问题鲁棒性较好的优点。

    一种不确定区域发现与模型改进的道路分割方法及装置

    公开(公告)号:CN114399640B

    公开(公告)日:2022-07-15

    申请号:CN202210292106.8

    申请日:2022-03-24

    Abstract: 本发明公开了一种不确定区域发现与模型改进的道路分割方法及装置,首先使用来自源域的标记数据来学习初始分割模型,然后初始分割模型在目标域中进行自训练得到不同分割模型,通过对比来自不同分割模型的分割结果确定目标域图像中的不确定区域并进行标记,从而解决伪标签中的冗余和噪声导致的分割模型性能下降问题;然后再根据标记信息对模型进行优化,采用师生模块,学生模型专注于合并新的标记信息,而教师模型平衡历史模型和标记信号以防止对标记区域的过度拟合;新优化分割模型再次进行自训练得到不同分割模型,重复上述步骤,直到达到设定的停止条件。

    一种基于指尖脉搏波信号的身份识别方法和装置

    公开(公告)号:CN114638272A

    公开(公告)日:2022-06-17

    申请号:CN202210541225.2

    申请日:2022-05-19

    Abstract: 本发明涉及非接触式生理信号检测领域,尤其涉及一种基于指尖脉搏波信号的身份识别方法和装置,该方法包括:步骤一,利用血氧仪采集人体指尖的脉搏波信号;步骤二,将采集到的脉搏波信号进行滤波、峰值检测、信号截取对齐以及计算导数并归一标准化的处理,同时保存对应的个人身份标识号;步骤三,重复步骤一至步骤二,将步骤二中得到的信号数据保存为数据集;步骤四,将数据集输入特征提取网络进行特征提取,后输入分类网络训练,训练完成后保存训练好的网络参数,得到训练好的身份识别模型;步骤五,利用训练好的身份识别模型,对输入的脉搏波信号进行识别,预测出对应身份。本发明相比现有的其他方法,具有更高的识别准确率的优点。

    一种不确定区域发现与模型改进的道路分割方法及装置

    公开(公告)号:CN114399640A

    公开(公告)日:2022-04-26

    申请号:CN202210292106.8

    申请日:2022-03-24

    Abstract: 本发明公开了一种不确定区域发现与模型改进的道路分割方法及装置,首先使用来自源域的标记数据来学习初始分割模型,然后初始分割模型在目标域中进行自训练得到不同分割模型,通过对比来自不同分割模型的分割结果确定目标域图像中的不确定区域并进行标记,从而解决伪标签中的冗余和噪声导致的分割模型性能下降问题;然后再根据标记信息对模型进行优化,采用师生模块,学生模型专注于合并新的标记信息,而教师模型平衡历史模型和标记信号以防止对标记区域的过度拟合;新优化分割模型再次进行自训练得到不同分割模型,重复上述步骤,直到达到设定的停止条件。

    基于深度卷积神经网络BN层尺度系数的卷积核嫁接方法

    公开(公告)号:CN113435588B

    公开(公告)日:2022-01-04

    申请号:CN202110988504.9

    申请日:2021-08-26

    Abstract: 本发明公开了基于深度卷积神经网络BN层尺度系数的卷积核嫁接方法,首先设置两组不同的训练策略;然后采用两组策略训练同构的两个深度卷积神经网络,训练过程中,对两个深度卷积神经网络的BN层尺度系数进行稀疏化;同时采用特征图学习的方式,保持两个深度卷积神经网络的层内卷积核权值分布的一致性;根据BN层尺度系数,每隔一定迭代次数,将其中一个深度卷积神经网络层内BN层对应尺度系数小的卷积核,替换为另一个深度卷积神经网络层内BN层对应尺度系数大的卷积核。

    一种表格图片文本智能检测方法及系统

    公开(公告)号:CN113837152A

    公开(公告)日:2021-12-24

    申请号:CN202111410772.9

    申请日:2021-11-25

    Abstract: 本发明公开了一种表格图片文本智能检测方法及系统,系统包含文本自动检测模块、位置变换矩阵模块和位置加权模块。方法包括:S1,检测目标表格图片当中所有可能的文本;S2,自动生成相对位置关系的变换矩阵;S3,通过位置加权,计算最终检测结果。本发明针对表格图片文本,采用深度学习训练的方式,通过将通用自动文本检测方法与表格文本之间相对位置相结合,不仅依赖于文本目标自身的位置,还依赖于文本间的相对位置关系,最终以位置变换矩阵的形式表示,还通过对目标检测结果进行加权来确认每个目标的具体位置,从而提高表格图片文本检测精度。

    一种基于无监督学习的行人重识别方法

    公开(公告)号:CN113822262A

    公开(公告)日:2021-12-21

    申请号:CN202111412831.6

    申请日:2021-11-25

    Abstract: 本发明公开了一种基于无监督学习的行人重识别方法,在特征存储器中只保存聚类得到的类中心,采用分组采样的方式获取小样本集,并结合难例挖掘的方法更新存储器中的特征向量和特征提取网络模型参数,实现了在无标签数据集上的伪标签自动生成,增强了模型对于噪声数据的鲁棒性,大大减小了存储器对于内存空间的高额要求。本发明剔除了离群样本点对聚类中心的干扰,避免了随机采样导致的过拟合等问题,在小样本迭代过程中不更改数据标签,降低了标签跳变等噪声数据对于模型稳定性的影响,加速了模型的收敛,提高行人重识别模型在不同场景下的泛化能力。

Patent Agency Ranking