-
公开(公告)号：CN104700078A
公开(公告)日：2015-06-10
申请号：CN201510081168.4
申请日：2015-02-13
Applicant: 武汉工程大学
Abstract: 本发明公开了一种基于尺度不变特征极限学习机的机器人场景识别算法，该方法包括以下步骤:首先，利用尺度不变特征表达机器人视觉图像的场景，其次使用K均值聚类算法实现机器人场景图像表达码本，最后利用极限学习机算法建立机器人视觉场景图像和场景标签之间的映射关系。本方法利用了极限学习机的优点，降低了传统神经网络的参数估计和优化的复杂度，进一步缩短了训练时间和提高了机器人场景图像的识别率。
-
公开(公告)号：CN104657718A
公开(公告)日：2015-05-27
申请号：CN201510078423.X
申请日：2015-02-13
Applicant: 武汉工程大学
Abstract: 本发明公开了一种基于人脸图像特征极限学习机的人脸识别方法，该方法包括以下步骤：对原始图像进行预处理；对样本进行主成分分析得到特征脸谱，将图像投影到特征域；然后利用极限学习机算法建立人脸图像和人脸标签之间的映射关系；最后利用极限学习机推导输入人脸图像的标签属性。本方法利用了极限学习机的优点，降低了传统神经网络的参数估计和优化的复杂度，进一步缩短了训练时间和提高了人脸图像的识别率。
-
公开(公告)号：CN104637060A
公开(公告)日：2015-05-20
申请号：CN201510078434.8
申请日：2015-02-13
Applicant: 武汉工程大学
CPC classification number: G06T5/002
Abstract: 本发明公开了一种基于邻域主成分分析-拉普拉斯的图像分割方法，该方法对原始图像进行主成分分析，得到每个像素的特征向量，提取图像的主要成分，有效的抑制了噪声；然后，用拉普拉斯算子对图像进行边缘检测，从而实现对图像的分割。与传统的Sobel算子和LOG算子分割算法相比，该方法通过对图像像素进行主成分分析，来估计去噪过程中的参数值，而不依赖于经验值，能有效的降低噪声对图像的干扰，简化了计算复杂度。实验结果表明，该方法能够有效的改善图像的分割效果，在准确性和稳健性上具有较强的优越性。
-
-
公开(公告)号：CN119131581A
公开(公告)日：2024-12-13
申请号：CN202411152781.6
申请日：2024-08-21
Applicant: 武汉工程大学
IPC: G06V20/10 , G06V20/13 , G06V10/42 , G06V10/44 , G06V10/52 , G06V10/77 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种遥感影像的目标检测方法、装置、介质和设备，涉及目标检测技术领域。包括：构建包括编码模块、多头交叉注意力模块加权平衡模块和解码模块的深度学习网络；编码模块包括并行的卷积神经网络和Transformer，以及与卷积神经网络输出端和Transformer输出端同时连接的交叉模块。本发明通过将交叉模块与多头交叉注意力模块相结合，使得模型可以更灵活地适应遥感影像中显著目标的尺度变化，避免出现过多的全局特征导致对前景细节捕捉不足或过多的局部特征导致背景理解不充分的情况，提高了对于遥感影像中目标检测任务的准确性。
-
Patent Agency Ranking
公开(公告)号：CN119130939A
公开(公告)日：2024-12-13
申请号：CN202411152796.2
申请日：2024-08-21
Applicant: 武汉工程大学
IPC: G06T7/00 , G06T7/11 , G06T5/10 , G06T5/70 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08 , G01N21/88
Abstract: 本发明公开了一种人造板表面缺陷检测方法、装置、介质和设备，涉及缺陷检测技术领域。包括：将原始YOLOv5网络中主干网络的C3模块和CBS模块替换为多轴频域加权模块和自适应动态卷积模块，将颈部网络的C3模块和Conv模块替换为ELAN模块和自适应动态卷积模块。多轴频域加权模块在空域和频域两个维度对微小缺陷特征进行深入提取；频域特征提取分支将空间域特征图从不同维度转化到频域中，放大了分离缺陷特征和非缺陷特征的能力，获得更详细的缺陷细节信息；空域特征提取分支保留了缺陷的空间信息；将空域特征和频域特征进行融合能够全面地捕捉人造板表面的微小缺陷的特征，从而提高了表面缺陷的检测精度。
-
公开(公告)号：CN106326843B
公开(公告)日：2019-08-16
申请号：CN201610669093.6
申请日：2016-08-15
Applicant: 武汉工程大学
IPC: G06K9/00
Abstract: 本发明公开了一种人脸识别方法，在人脸集合中提取出p张人脸图像，将人脸集合中剩余的图像分为n类人脸图像并作为训练样本库，采用训练样本库中的类别均值信息对P张人脸图像进行预分类，在分类之后将P个人脸图像中的每张图像和对应类别的图像一并进行低秩恢复，获得低秩恢复图像和稀疏误差图像。依据低秩图像的低秩性对噪声鲁棒的原理，利用训练样本库训练极限学习机，最后将P个人脸图像对应的低秩恢复图像作为测试样本库，利用极限学习机作为标准，建立P个人脸图像和训练之后得到的人脸标签之间的映射关系，对P个人脸图像对应的低秩恢复图像进行人脸识别，不但提升了极限学习机的识别鲁棒性，还降低了计算复杂度。
-
公开(公告)号：CN105550649B
公开(公告)日：2019-03-08
申请号：CN201510906586.2
申请日：2015-12-09
Applicant: 武汉工程大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于全耦合局部约束表示的极低分辨率人脸识别方法及系统，该方法包括以下两个阶段：训练阶段和测试阶段；训练阶段包括以下三个步骤：S1、对表达字典进行更新；S2、计算其在局部约束和线性重建条件下的最优权值系数；S3、确定最优的神经元个数；测试阶段包括以下三个步骤：S4、获取待识别的低分辨率人脸图像计算其低分辨率表达系数；S5、利用高分辨率表达系数作为图像耦合局部约束特征；S6、得出识别结果。本发明提升了极低分辨率图像的表达能力，提升了在极低人脸图像上的识别率；最后通过极限学习机完成人脸识别，使识别结果更加准确。
-
公开(公告)号：CN105677700B
公开(公告)日：2018-12-14
申请号：CN201510980148.0
申请日：2015-12-23
Applicant: 武汉工程大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于集合运算的中文地址行政区划解析方法，该方法包括以下步骤：首先利用行政区划字典和移动窗口最大匹配算法，从中文地址中提取所有可能的行政区划数据集，然后利用中文地址行政区划元素之间具有层次关系的特点，建立行政区划条件集合运算规则，最后对行政区划集合进行条件集合运算，得到信息量最完整最准确的中文地址的行政区划。本发明方法解决了在互联网中中文地址数据混乱无序的情况下快速解析出中文地址行政区划的问题，并能得到信息量最完整最准确的中文地址的行政区划解析结果。
-
公开(公告)号：CN104700078B
公开(公告)日：2018-06-08
申请号：CN201510081168.4
申请日：2015-02-13
Applicant: 武汉工程大学
Abstract: 本发明公开了一种基于尺度不变特征极限学习机的机器人场景识别算法，该方法包括以下步骤:首先，利用尺度不变特征表达机器人视觉图像的场景，其次使用K均值聚类算法实现机器人场景图像表达码本，最后利用极限学习机算法建立机器人视觉场景图像和场景标签之间的映射关系。本方法利用了极限学习机的优点，降低了传统神经网络的参数估计和优化的复杂度，进一步缩短了训练时间和提高了机器人场景图像的识别率。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.036 seconds)
