-
公开(公告)号：CN118071099B
公开(公告)日：2024-12-20
申请号：CN202410261240.0
申请日：2024-03-07
Applicant: 华侨大学
IPC: G06Q10/0631 , G06Q50/08 , G06V20/52 , G06V20/17 , G06V20/10 , G06V10/24 , G06V10/28 , G06V10/56 , G06V10/44
Abstract: 本发明提供一种基于无人机平台的建筑主体施工进度快捷监测方法，包括：获取建筑物的设计参数；确定建筑物监测侧面对应的航点最佳拍摄位置；每隔设定时间，无人机搭载相机进行巡检，拍摄得到建筑物侧面影像；从建筑物侧面影像中识别防护网区域，从而估算得到建筑物当前施工进度。本发明提供一种基于无人机平台的建筑主体施工进度快捷监测方法，仅通过无人机获取建筑物少量影像，结合无人机搭载的传感器数据，可快速估算出建筑物当前施工进度，具有实现过程简单，资源消耗小的优点。
-
公开(公告)号：CN118015708A
公开(公告)日：2024-05-10
申请号：CN202410411050.2
申请日：2024-04-08
Applicant: 华侨大学
IPC: G06V40/20 , G06V20/40 , G06V10/44 , G06V10/62 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0985 , A63B24/00 , A63B69/00
Abstract: 一种基于裁判分数学习的跳水运动质量评估方法、装置和设备，涉及动作质量评估技术领域。方法包含S1、获取待评估视频。S2、根据待评估视频进行采样，获取待评估视频帧序列。S3、从训练集中选取对比视频帧序列。S4、通过空间特征编码器ViT分别进行编码，获取两个图像特征序列。S5、通过时序特征编码器TE分别进行编码，获取待评估视频级特征序列和对比视频级特征序列。S6、将两个特征序列输入裁判分数学习评估网络，获取动作质量得分。裁判分数学习评估网络利用基于交叉注意力机制的交叉特征融合网络和基于Transformer解码器的对比动作特征解码器来学习生成具有差异性的裁判分数特征，然后采用分数预测网络根据裁判分数特征预测动作质量得分。
-
公开(公告)号：CN116662587A
公开(公告)日：2023-08-29
申请号：CN202310942873.3
申请日：2023-07-31
Applicant: 华侨大学
IPC: G06F16/53 , G06F16/55 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于查询生成器的人物交互检测方法、装置及设备，方法包括以下步骤：读取待检测的目标图像；利用特征提取器对所述目标图像进行特征提取获得图像特征；随机初始化一组人‑物对的先验边界框，将所述图像特征与所述先验边界框共同输入查询生成器，并基于所述查询生成器生成每层实例检测器和交互分类器所需的两组查询向量以及查询向量的位置信息；经由不同的解码器将输入的图像特征、查询向量和位置信息解码为特征向量组；根据所述特征向量组得到人物交互的预测结果。本发明将查询向量视为候选的人物交互检测结果，通过初始化人‑物对的先验边界框，来从中生成所需的查询向量，能够更精准且高效地进行人物交互行为识别。
-
公开(公告)号：CN116453648A
公开(公告)日：2023-07-18
申请号：CN202310680538.0
申请日：2023-06-09
Applicant: 华侨大学
IPC: G16H20/30 , A63B71/06 , A63B24/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于对比学习的康复运动质量评估系统，其包括：三元组样本生成单元获取受试者的骨架序列集，并根据所述骨架序列集生成三元组样本；特征提取单元将所述三元组样本输入至特征提取网络中进行特征提取，以获得各个样本的特征；分数生成单元对提取到的各个样本的特征，使用高斯混合模型进行性能度量和分数映射，得到各个样本的分数；质量评估网络训练单元将生成的分数作为对应的样本的标签，将样本以及标签输入至质量评估网络中，对所述质量评估网络进行训练。质量评估单元基于训练得到的所述质量评估网络对采集的用户的骨架序列进行质量评估，获得预测分数。本发明解决了康复运动中缺乏专家评分标签导致的评估困难的问题。
-
公开(公告)号：CN114970447A
公开(公告)日：2022-08-30
申请号：CN202210579032.6
申请日：2022-05-26
Applicant: 华侨大学
IPC: G06F40/109 , G06F40/151
Abstract: 本发明实施例提供一种汉字字体转换方法、装置、设备和存储介质，涉及文字字体转换技术领域。其中，这种汉字字体转换方法包含步骤S1至步骤S3。S1、获取第一文字的第一字体图像和/或第二文字的第二字体图像。S2、获取基于对抗网络的字体转换模型。其中，对抗网络包含部首约束解码网络。S3、将第一文字的第一字体图像输入字体转换模型获取第一文字的第二字体图像，和/或将第二文字的第二字体图像输入字体转换模型获取第二文字的第一字体图像。本发明的汉字字体转换方法能够有效的避免字体转换过程中的笔画缺失、笔画中断、多笔画和笔画不完整等错误，并且接合了部首约束能够取得更好的字体转换效果。
-
Patent Agency Ranking
公开(公告)号：CN108416258B
公开(公告)日：2020-05-08
申请号：CN201810064176.1
申请日：2018-01-23
Applicant: 华侨大学
Abstract: 本发明提供一种基于人体部位模型的多人体跟踪方法，涉及视频监控技术领域。其包括：获取图像数据，提取其中每个人的人体部位模型并计算颜色特征，得到每个人的部位特征集，集合得到多人体部位特征集列表。然后计算当前帧获得的每个人的部位特征集与上一帧获得的多人体部位特征集列表中每个人的相似度，得到匹配矩阵。再根据匹配矩阵，计算当前帧获得的每个人对上一帧获得的每个人的相似置信度，根据相似度和相似置信度对当前帧获得的目标与上一帧的目标进行匹配，得到跟踪结果。通过该方法能够准确将当前帧的检测目标匹配到上一帧的位置并发现新目标，有效解决多人体跟踪过程中由于人体形变引起的特征差异，导致跟踪失败的问题。
-
公开(公告)号：CN108764005A
公开(公告)日：2018-11-06
申请号：CN201810095942.0
申请日：2018-01-31
Applicant: 华侨大学
CPC classification number: G06K9/0063 , G06K2009/00644 , G06K2009/4657 , G06N3/0454 , G06N3/08
Abstract: 本发明属于图像处理技术领域，公开了一种高光谱遥感图像地物空间波谱特征提取方法及系统，通过辅助分类器生成式对抗网络训练提取波谱特征；通过波段选择并从被选波段提取具有旋转不变的空间纹理特征；通过波谱特征和空间纹理特征的拼接形成地物空间波谱特征。同时公开一种采用上述地物空间波谱特征的、基于卷积神经网络的高光谱遥感图像分类系统。本发明验证了本发明公开的地物空间波谱特征提取技术不仅能更好的表征地物信息，还能以较少的标记数据集获得较高的分类准确率。
-
公开(公告)号：CN107066583A
公开(公告)日：2017-08-18
申请号：CN201710243764.7
申请日：2017-04-14
Applicant: 华侨大学
CPC classification number: G06F17/30705 , G06K9/6256 , G06K9/6269
Abstract: 本发明提供一种基于紧凑双线性融合的图文跨模态情感分类方法，包括如下6个步骤：(1)图像特征表示的提取；(2)文本特征表示的提取；(3)软注意力图的生成；(4)图像注意力特征表示的生成；(5)多模态紧凑双线性融合算法融合图像注意力特征表示和文本特征表示；(6)图文情感分类。本发明方法中软注意力图和多模态紧凑双线性融合算法的使用，能够有效提高情感分类的准确率。
-
公开(公告)号：CN119479079B
公开(公告)日：2025-04-25
申请号：CN202510058468.4
申请日：2025-01-15
Applicant: 华侨大学
Abstract: 本发明公开了一种基于深度骨架特征学习的细粒度体育运动检测方法及装置，方法包括：读取骨架图，运用图卷积网络提取深度姿态特征；将深度姿态特征输入时间边界分类器，以预测每个时间戳的边界概率和动作概率，并根据边界概率和动作概率确定可能的开始和结束位置，生成候选提名集；对候选提名集，通过提取边界位置的时间关系来重新评估每个候选提名的可能性，得到预测置信值；通过非极大值抑制将冗余的候选提名去除，得到最终提名集；将最终提名集输入至提名分类模块以估计每个提名的子动作类别。本发明通过捕捉人体运动的动态变化，提取出重要的姿态变化模式，对体育动作的类别和边界进行有效表征，解决细粒度体育动作的检测问题。
-
公开(公告)号：CN114970447B
公开(公告)日：2024-07-23
申请号：CN202210579032.6
申请日：2022-05-26
Applicant: 华侨大学
IPC: G06F40/109 , G06F40/151
Abstract: 本发明实施例提供一种汉字字体转换方法、装置、设备和存储介质，涉及文字字体转换技术领域。其中，这种汉字字体转换方法包含步骤S1至步骤S3。S1、获取第一文字的第一字体图像和/或第二文字的第二字体图像。S2、获取基于对抗网络的字体转换模型。其中，对抗网络包含部首约束解码网络。S3、将第一文字的第一字体图像输入字体转换模型获取第一文字的第二字体图像，和/或将第二文字的第二字体图像输入字体转换模型获取第二文字的第一字体图像。本发明的汉字字体转换方法能够有效的避免字体转换过程中的笔画缺失、笔画中断、多笔画和笔画不完整等错误，并且接合了部首约束能够取得更好的字体转换效果。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.023 seconds)
