-
公开(公告)号：CN102637251B
公开(公告)日：2013-10-30
申请号：CN201210074224.8
申请日：2012-03-20
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于参考特征的人脸识别方法，首先对待识别的人脸图像，首先提取人脸图像的尺度不变特征和局部二值模式特征，然后再用主成份分析方法降维，得到待识别人脸图像的图像特征；再利用得到的图像特征，计算图像特征到聚类中心的相似度，得到待识别人脸图像参考特征；最后对于待识别的人脸图像的参考特征与训练数据集中的参考特征计算相似度，得到分析结果。本发明公开的人脸图像的参考特征包含了人脸图像的纹理信息和结构信息，比现有的方法只反映人脸的纹理信息或者只反映人脸的结构信息更全面的表征了人脸；特征提取过程简单易行，易于实现；识别结果准确率高；对于同一个人物不同面部姿态具有较高的识别率。
-
公开(公告)号：CN114170599B
公开(公告)日：2024-08-23
申请号：CN202111523499.0
申请日：2021-12-14
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于蒸馏比较的异常物体分割方法：在无异常训练集上，训练一个语义分割网络，移除语义分类头后作为教师分支；固定教师分支参数，利用语义特征分布蒸馏获得与教师分支结构相似的学生分支。两分支的输出在正常类上保持一致，在异常类上不一致。输入带异常测试图像，两分支分别对图像进行多尺度特征提取和聚合，提取的语义特征逐位置进行比较得到异常分数图，异常分数图双线性插值取阈值将图像中的所有像素划分为正常和异常两类。本方法引入了一种全新的简单灵活的蒸馏比较网络来进行异常物体分割，在推理阶段没有利用语义分类头的结果，大幅减少了对语义分割错误的正常类别像素的误判，实现了更准确的异常物体分割。
-
公开(公告)号：CN118171714A
公开(公告)日：2024-06-11
申请号：CN202410056688.9
申请日：2024-01-15
Applicant: 华中科技大学
IPC: G06N3/082 , G06N3/0455 , G06N3/0499 , G06V10/764 , G06V10/82 , G06V10/776 , G06V10/762
Abstract: 本发明提出一种基于动态适配器和内部提示的三维预训练模型微调方法，所述微调方法包括：使用动态适配器，针对下游任务提供动态缩放和额外特征；利用动态适配器生成来自模型内部输出的提示，使得提示能够有效纳入模型的预训练知识。本发明提出的方案能够实现大幅度减少训练模型过程中的可调参数量、训练内存和存储成本，并在此基础上具备和全参数微调模型近似甚至更高的性能，实现了在可调参数量和模型任务性能之间的理想权衡。
-
公开(公告)号：CN117333881A
公开(公告)日：2024-01-02
申请号：CN202311295878.8
申请日：2023-10-07
Applicant: 华中科技大学
IPC: G06V30/19 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种基于条件扩散模型的甲骨文辅助破译方法：收集和整理已破译的甲骨文文字在甲骨文、金文、大篆、隶书和楷书五个阶段的字形演变数据；将两个不同时期的文字图片进行配对，并进行固定尺寸的随机裁剪操作；构建一个条件扩散模型神经网络，将成对图片送入神经网络中进行训练，优化网络参数；输入一张甲骨文文字图片，利用训练好的条件扩散模型对图片进行逆向扩散，并使用加权滑动方法生成甲骨文字形演变图片。本发明提出了一个简单而有效的甲骨文字形演变生成模型，利用已破译甲骨文不同时期文字图片的监督信息，达到了输入甲骨文图片，模型能够预测生成其在任意时期的字形图片的目的，从而辅助甲骨文专家对未破译的甲骨文进行破译。
-
公开(公告)号：CN116630791A
公开(公告)日：2023-08-22
申请号：CN202310370868.X
申请日：2023-04-07
Applicant: 华中科技大学
IPC: G06V20/10 , G06V10/82 , G06N3/0464 , G06N3/088
Abstract: 本发明公开了一种半监督旋转目标检测模型的训练方法及相应的装置，包括：通过标注样本对第二模型进行训练，根据第二模型的预测结果和样本标签计算得到有监督损失LS；分别对无标注样本不同程度的增强，以得到第一增强样本Iw和第二增强样本Is，通过第一增强样本IW对第一模型进行训练，将第二增强样本Is对第二模型进行训练；根据第一模型的预测结果以及第二模型的预测结果，分别得到旋转感知的自适应加权损失LR和全局一致性损失LG；根据有监督损失LS、自适应加权损失LR和全局一致性损失LG对第一模型和第二模型进行迭代训练，直至模型收敛。
-
Patent Agency Ranking
公开(公告)号：CN111932431B
公开(公告)日：2023-07-18
申请号：CN202010643268.2
申请日：2020-07-07
Applicant: 华中科技大学
IPC: G06T1/00 , G06N3/084 , G06N3/094 , G06N3/0475 , G06N3/0464
Abstract: 本发明公开了一种基于水印分解模型的可见水印去除方法，通过结合深度网络和水印分解模型，构造一个新型的网络。首先输入一张水印图片，利用分解网络得到该图片的水印、水印透明度以及用来判断水印区域的二值掩码；然后根据水印分解公式计算间接得到初步无水印图，再将该无水印图放入优化网络，由水印图周边信息直接优化该无水印图；最后利用非水印区域不变的特征和检测得到的二值掩码得到无水印图。本发明结合了水印分解模型和深度学习网络去除水印，进行端到端的训练，在准确度上取得了卓越的效果；此外还能够在去除水印的同时分离水印，从而能够将分离的水印用于数据扩增上，让网络进行终生学习。本发明还提供了相应的电子设备。
-
公开(公告)号：CN110717427B
公开(公告)日：2022-08-12
申请号：CN201910921351.9
申请日：2019-09-27
Applicant: 华中科技大学
IPC: G06V20/00 , G06V10/22 , G06V10/25 , G06V10/764 , G06V10/82 , G06V10/774 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/73
Abstract: 本发明公开了一种基于顶点滑动的多方向物体检测算法。与传统的回归角度或者回归四个顶点的方法不同，该方法不存在回归角度所带来的不稳定问题，也不存在回归四个顶点所带来的歧义。首先，通过卷积网络所获取到的特征同时预测物体的水平包围盒、滑动顶点、及其倾斜包围盒相对于水平包围盒的面积比例，从而得到物体的水平包围盒、倾斜包围盒及倾斜程度，通过倾斜程度确定究竟是选择倾斜或是水平包围盒。对于倾斜程度较大的物体，选择倾斜包围盒；对于几近水平的物体，直接选择该物体水平包围盒。该方法是针对在多方向物体领域常用的两种表示方法所提出的第三种方法，实现简单，几乎不增加额外时间，能显著提升检测性能，具有很强的实际应用价值。
-
公开(公告)号：CN114742799A
公开(公告)日：2022-07-12
申请号：CN202210401019.1
申请日：2022-04-18
Applicant: 华中科技大学
Abstract: 本发明公开一种基于自监督异构网络的工业场景未知类型缺陷分割方法：准备大型预训练网络并固定参数，作为教师网络；构建异构学生网络，由异构特征编码模块、特征融合模块和分割模块组成；训练异构学生网络，将合成异常图像输入至教师和异构学生网络中，一方面，约束学生网络在合成图像的正常区域提取的多尺度特征与教师网络相应尺度特征相似，另一方面，约束分割模块产生的分割概率图准确回归合成的异常区域；测试阶段通过教师和异构学生网络提取的相应尺度的特征图的差异和分割概率图得到异常得分图，设置合适的阈值二值化得到异常分割图。本发明通过对特征编码模块的相关设计和自监督的引入，实现了对图像异常区域的精确分割。
-
公开(公告)号：CN112634289B
公开(公告)日：2022-05-27
申请号：CN202011585360.4
申请日：2020-12-28
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于非对称空洞卷积的快速可行域分割方法：对单目相机采集的图像进行多尺度图像特征提取，在最后一个卷积块使用非对称空洞卷积块消除局部噪声，获得具有区分力的表征；特征解码模块对特征编码器提取的多尺度图像特征进行逐点融合，得到高分辨率的高区分力的图像特征图；采用分类器基于融合后的图像特征，预测输出图像场景中的可行域分割结果，将图像中的所有像素划分为可行驶区域和不可行驶区域两类。本发明引入了一种全新的非对称空洞卷积模块来提高特征的区分力，大幅减少对不可行驶道路的误判，并且没有引入额外的计算量。基于轻量化的模块和网络设计，在保证精度的前提下，实现了对可行域的快速分割。
-
公开(公告)号：CN111046781B
公开(公告)日：2022-05-27
申请号：CN201911248274.1
申请日：2019-12-09
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于三元注意力机制的鲁棒三维目标检测方法，即以点云数据作为输入，通过该网络，输出在点云空间中目标物的三维包围盒。步骤包括：首先将点云转化成体素形式；然后使用三元注意力机制对每个体素进行特征提取；紧接着采用一个Coarse‑to‑Fine回归方式输出最终的候选框。该方法的核心思想包括如下两部分：1)采用了一种新颖的三元注意力机制来学习每个体素的特征表示，获得鲁棒的体素特征；2)使用金字塔采样融合方式实现跨层的融合，能同时获得网络低层的高分辨率精细的特征以及高层的语义信息，从而实现对目标精确的定位。本发明相较于之前的方法，尤其是在受干扰严重以及场景复杂的情况下，本发明的方法具有很好的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
121
records
(took 0.026 seconds)
