-
公开(公告)号：CN113569732A
公开(公告)日：2021-10-29
申请号：CN202110853369.7
申请日：2021-07-27
Applicant: 厦门理工学院
Abstract: 本发明涉及一种基于并行共享多任务网络的人脸属性识别方法及系统，该方法包括以下步骤：将人脸属性数据集中包含的人脸属性分为部分属性组和整体属性组；构建并行共享多任务网络，其由一个共享子网络以及两个特定任务子网络，即一个部分属性子网络和一个整体属性子网络组成；在每个特定任务子网络中采用注意力机制，以利用共享子网络和特定任务子网络的局部和全局特征之间的相关性；设定损失函数并采用自适应惩罚策略来缓解类别不平衡问题，提高人脸属性识别率；通过人脸属性数据集对并行共享多任务网络进行训练；将待识别的人脸图像输入训练好的并行共享多任务网络模型，实现人脸属性识别。该方法及系统有利于提高人脸属性识别的准确性。
-
公开(公告)号：CN109767457B
公开(公告)日：2021-01-26
申请号：CN201910022615.7
申请日：2019-01-10
Applicant: 厦门理工学院
Abstract: 本发明公开了一种在线多示例学习目标跟踪方法，包括如下过程：S1：初始正包和负包中示例的选取；S2：计算初始正包中每个示例的相关相似度；S3：对初始正包进行筛选；S4：更新弱分类器；S5：为筛选后的正包和负包中的示例赋予相应的权重值；S6：对包概率进行加权；S7：获得最优弱分类器；S8：集成强分类器并输出。通过利用本发明设计出的目标跟踪方法能够提升分类器的性能，提高目标跟踪的鲁棒性。
-
公开(公告)号：CN118968598A
公开(公告)日：2024-11-15
申请号：CN202411154082.5
申请日：2024-08-21
Applicant: 厦门理工学院
Abstract: 本发明涉及一种基于提示学习的人脸属性识别方法及系统，该方法包括以下步骤：1）从数据集中获取人脸图像和人脸属性识别标签，并对人脸图像进行预处理，形成人脸图像Token序列；2）将人脸图像Token序列输入构建的人脸属性识别网络模型，人脸属性识别网络模型对提示序列进行初始化，并将其与人脸图像Token序列拼接后输入Transformer模型；Transformer模型部分冻结，只有提示序列进行迭代，以引导模型进行微调；Transformer模型的不同编码器层之间插入动态可调门控模块，以自适应地调整不同编码器层的提示序列的贡献；对人脸属性识别网络模型进行训练；3）将训练好的人脸属性识别网络模型用于人脸属性识别。该方法及系统有利于更加鲁棒、准确、轻量化的获得人脸属性识别结果。
-
公开(公告)号：CN116778556A
公开(公告)日：2023-09-19
申请号：CN202310751198.6
申请日：2023-06-25
Applicant: 厦门理工学院
Abstract: 本发明涉及一种基于视觉语言模型的人脸属性识别方法及系统，该方法包括：1）给定需要预测的所有人脸属性标签，并获取多张人脸图片及其人脸属性标签，形成人脸属性识别数据集；2）构建基于视觉语言模型的人脸属性识别网络模型，其主要包括视觉编码器、语言编码器和多个视觉语言交互编码器，每个视觉语言交互编码器包括视觉语言交叉注意力模块和自注意力模块，视觉语言交叉注意力模块包含视觉对语言的调节注意力机制和语言对视觉的指导注意力机制；通过人脸属性识别数据集及40个人脸属性标签组合对网络模型进行训练；3）将训练好的人脸属性识别网络模型用于人脸属性识别。该方法及系统有利于获得更加稳定、鲁棒、准确的人脸属性识别结果。
-
公开(公告)号：CN116434143A
公开(公告)日：2023-07-14
申请号：CN202310406803.6
申请日：2023-04-17
Applicant: 厦门理工学院
Abstract: 本发明涉及一种基于特征重构的跨模态行人重识别方法，包括以下步骤：1）从数据集中成对抽取多个行人的可见光图片和红外图片，形成可见光训练数据集和红外训练数据集；2）构建基于特征重构的跨模态行人重识别网络模型，所述跨模态行人重识别网络模型主要包括特定特征提取模块、多尺度特征提取模块、Token感知的多尺度特征融合模块和跨模态特征重构模块；通过可见光训练数据集和红外训练数据集对跨模态行人重识别网络模型进行训练，得到可泛化的模型参数；3）将训练好的跨模态行人重识别网络模型用于跨模态检索，实现跨模态行人重识别。该方法及系统有利于获得更加稳定、鲁棒、准确的跨模态行人重识别结果。
-
Patent Agency Ranking
公开(公告)号：CN113486820B
公开(公告)日：2023-06-06
申请号：CN202110780748.8
申请日：2021-07-09
Applicant: 厦门理工学院
IPC: G06V10/75 , G06V10/774 , G06V20/40 , G06T5/50 , G06T7/11
Abstract: 本发明涉及一种基于高效模板更新与选择机制的双向目标跟踪方法，包括以下步骤：构建基于在线学习的目标跟踪器T0；构建在线可靠性评估模块ORE；构建动态模板更新模块DTU；构建自适应模板选择模块ATS；构建基于离线学习的孪生跟踪器T1；根据ORE、DTU和ATS，首先选择将当前视频帧图像输入T0或者T1，第一帧默认选择T0，然后执行相应切换模式下的跟踪策略和模板策略，得到当前帧的最终预测结果。该方法及系统有效结合了基于在线学习跟踪器和基于离线学习跟踪器的优势，可以在具有挑战性的场景中获得更加稳定、鲁棒、准确的跟踪结果。
-
公开(公告)号：CN114926652A
公开(公告)日：2022-08-19
申请号：CN202210600748.X
申请日：2022-05-30
Applicant: 厦门理工学院
Abstract: 本发明涉及一种基于交互与聚合式特征优化的孪生跟踪方法及系统，该方法包括以下步骤：初始化模板图像和搜索区域图像；构建特征提取网络，获得模板多层特征和搜索区域多层特征；构建门控双视角聚合模块优化多层模板特征；构建语义引导的注意力模块实现搜索区域的粗粒度特征优化；构建相关性图聚合模块实现搜索区域的细粒度特征优化；构建头部预测网络，预测出当前帧目标的位置。该方法及系统通过模板特征和搜索区域特征的自注意力聚合及交互来增强目标显著特征，抑制背景噪声，从而在具有挑战性的场景中获得更加稳定、鲁棒、准确的跟踪结果。
-
公开(公告)号：CN113486820A
公开(公告)日：2021-10-08
申请号：CN202110780748.8
申请日：2021-07-09
Applicant: 厦门理工学院
Abstract: 本发明涉及一种基于高效模板更新与选择机制的双向目标跟踪方法，包括以下步骤：构建基于在线学习的目标跟踪器T0；构建在线可靠性评估模块ORE；构建动态模板更新模块DTU；构建自适应模板选择模块ATS；构建基于离线学习的孪生跟踪器T1；根据ORE、DTU和ATS，首先选择将当前视频帧图像输入T0或者T1，第一帧默认选择T0，然后执行相应切换模式下的跟踪策略和模板策略，得到当前帧的最终预测结果。该方法及系统有效结合了基于在线学习跟踪器和基于离线学习跟踪器的优势，可以在具有挑战性的场景中获得更加稳定、鲁棒、准确的跟踪结果。
-
公开(公告)号：CN109767457A
公开(公告)日：2019-05-17
申请号：CN201910022615.7
申请日：2019-01-10
Applicant: 厦门理工学院
Abstract: 本发明公开了一种在线多示例学习目标跟踪方法，包括如下过程：S1：初始正包和负包中示例的选取；S2：计算初始正包中每个示例的相关相似度；S3：对初始正包进行筛选；S4：更新弱分类器；S5：为筛选后的正包和负包中的示例赋予相应的权重值；S6：对包概率进行加权；S7：获得最优弱分类器；S8：集成强分类器并输出。通过利用本发明设计出的目标跟踪方法能够提升分类器的性能，提高目标跟踪的鲁棒性。
-
公开(公告)号：CN109359688A
公开(公告)日：2019-02-19
申请号：CN201811221448.0
申请日：2018-10-19
Applicant: 厦门理工学院
Abstract: 本发明公开了一种最优类外原点输出折中滤波器的设计方法，涉及生物特征识别技术领域。该方法包括：将所有训练样本图像进行分类，对于每个类别，通过下述步骤S1至S3训练得到相应的最优类外原点输出折中滤波器：S1，设计最小平均类外原点输出能量滤波器；S2，设计最小类外原点方差合成鉴别滤波器；S3，设计最优类外原点输出折中滤波器：通过调节所述最小平均类外原点输出能量滤波器和所述最小类外原点方差合成鉴别滤波器的权重，最小化类外样本图像在原点的平均能量输出和噪声方差输出的加权和，同时使类内样本图像在原点的输出满足不等式约束条件。通过采用本发明设计出的滤波器在人脸识别过程中所提取的特征更加有效，推广性能更好。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.027 seconds)
