-
公开(公告)号：CN110400365A
公开(公告)日：2019-11-01
申请号：CN201910590974.2
申请日：2019-07-02
Applicant: 东南大学
IPC: G06T13/40
Abstract: 本发明提供了一种基于动作增量模型的动作重定向方法，包括：直接复制原始人物动作的节点旋转角度与根节点速度到目标人物骨架上作为初始目标动作；采用骨头长度、局部动作与根节点动作表征原始人物动作与初始目标动作；采用循环神经网络分别对原始人物动作以及初始目标动作进行编码；将原始人物动作编码特征、初始目标动作编码特征以及目标人物输入解码器获得目标动作的动作增量；将目标动作的动作增量与初始目标动作求和得到预测目标动作；针对预测目标动作进行后处理，解决脚步滑动问题。本发明方法无需手工设计复杂的约束条件即可获得高质量的目标动作，针对原始人物与目标人物骨架差异大、动作极其复杂的情况，本发明仍然具有优越的性能表现。
-
公开(公告)号：CN109741336A
公开(公告)日：2019-05-10
申请号：CN201811484493.5
申请日：2018-12-06
Applicant: 东南大学
Abstract: 本发明公开了一种基于像素聚类与分割阈值的白癜风区域分割方法，通过将聚类中心分割与阈值分割方法相结合，本发明方法能够对不同光照环境下拍摄的白癜风患病区域的照片进行快速有效的分割。而且在皮损边缘模糊、曲折、图片对比度底等条件下，仍能较为理想地分割出白斑区域，为白癜风区域的面积测量与构建疗效评价体系提供了关键的技术支持。
-
公开(公告)号：CN109101477A
公开(公告)日：2018-12-28
申请号：CN201810563448.2
申请日：2018-06-04
Applicant: 东南大学
Abstract: 本发明公开了一种企业领域分类及企业关键词筛选方法，该方法通过对企业领域语料库进行训练得出相关领域的特征词汇作为分类词典，然后利用这种分类词典对企业的简介文档进行行业分类，在分类之后，本方法还能从企业的简介文档中提取出能代表这个企业所从事领域的行业标签。此外，本方法能克服中文文本处理中的大多数噪声词影响，行业分类错误率低，分类效率高，综合表现性能优异。
-
公开(公告)号：CN108665057A
公开(公告)日：2018-10-16
申请号：CN201810276192.7
申请日：2018-03-29
Applicant: 东南大学
Abstract: 本发明公开了一种基于卷积神经网络的多生产点位轮毂图像分类方法，该方法首先建立卷积神经网络模型，设置网络的结构参数和训练参数；对生产线不同生产点位采集得到的轮毂图像进行预处理，然后尺寸归一化后得到训练数据；将同种轮毂不同生产点位的图像作为一类数据进行数据增强，然后输入到卷积神经网络中进行训练，得到网络的权重和偏置；基于卷积神经网络的训练模型，将待分类轮毂图像输入网络，得到分类结果。由于同一种轮毂类型在热处理前点位、气密性检测点位和包装前点位的外形差异较大，传统手工提取特征分类的方法并不适用，通过本发明公开的卷积神经网络的方法可以实现轮毂的快速分类，提高分类准确率。
-
公开(公告)号：CN108491841A
公开(公告)日：2018-09-04
申请号：CN201810237680.7
申请日：2018-03-21
Applicant: 东南大学
Abstract: 本发明公开了一种汽车轮毂类型识别监控管理系统，该系统包括红外传感器、光源、工业CCD相机、遮光箱体、网线、交换机、服务器以及客户端，其中通过工业CCD相机拍摄生产线上的轮毂图像，利用网线和交换机将各生产点位的图像传输到服务器上，再通过机器视觉检测技术对轮毂类型进行识别，将识别结果和轮毂的生产点位信息、时间信息和调度信息写入数据库中，在同一个局域网下的客户端再通过浏览器监测各个点位间的流动统计信息和实时库存信息，进行库存管理和生产计划监控，以提高轮毂识别准确率和生产效率。
-
Patent Agency Ranking
公开(公告)号：CN107392102A
公开(公告)日：2017-11-24
申请号：CN201710462744.9
申请日：2017-06-19
Applicant: 东南大学
CPC classification number: G06K9/00268 , G06K9/6223
Abstract: 本发明公开了一种基于局部图像特征和多示例学习的家庭合照与非家庭合照分类方法，包括以下步骤：S1：对每张合照提取局部特征，局部特征为局部几何特征、局部亲属关系特征或者局部语义特征；S2：选择一种基于多示例学习架构的二类分类器，将每张合照的所有局部特征和照片标签作为输入，训练多示例分类器的参数；S3：在测试阶段，将未知类别合照的局部特征输入到步骤S2训练好的多示例分类器中，得到预测的类别。本发明能够有效利用合照中位于局部区域的具有区分力的信息，保证这些信息不被无用信息所污染，分类精度高。
-
公开(公告)号：CN105975914A
公开(公告)日：2016-09-28
申请号：CN201610273318.6
申请日：2016-04-28
Applicant: 东南大学
CPC classification number: G06K9/00288 , G06K9/00275 , G06K9/6215 , G06K9/6269
Abstract: 本发明提供一种基于线性组合特征的夫妇与孩子之间三人亲属关系判别方法，能够充分提取多尺度的人脸遗传特征，通过寻找夫妇特征向量的线性组合与孩子特征向量之间最小距离的方式，能够近似地重复人脸特征的遗传过程，原理简单，相似度值计算不需要训练过程，且效果好。
-
公开(公告)号：CN118333824A
公开(公告)日：2024-07-12
申请号：CN202410219173.6
申请日：2024-02-28
Applicant: 东南大学
Abstract: 本发明公开一种基于双重差分进化算法的人脸年龄预测系统的黑盒水印攻击方法，包括：1训练人脸年龄预测系统和人脸身份识别系统；2设定基本参数，初始化攻击种群集合；3遍历每个个体，根据基因在原始图像中添加水印，利用训练的系统判断生成图像是否能够在身份约束下成功攻击年龄属性，如果攻击成功，转到步骤5；如果攻击失败则继续遍历；若种群遍历完毕未攻击成功，转到步骤4；4遍历种群中的每个个体，对单个个体的每个基因添加扰动，利用人脸年龄预测系统和差分进化算法产生新的个体，选择优势对抗个体，形成新攻击种群，进行步骤3；5根据得到的攻击成功的个体基因，输出能够成功攻击人脸年龄预测系统并保存人脸身份不变的对抗样本。
-
公开(公告)号：CN113379689B
公开(公告)日：2024-05-10
申请号：CN202110599182.9
申请日：2021-05-31
Applicant: 东南大学
IPC: G06T7/00 , G06T5/70 , G06T3/4023 , G06V10/774 , G06V10/764
Abstract: 本发明公开一种基于深度学习的缺陷检测方法，该方法包含以下步骤：使用预训练权重网络对正样本进行特征提取，并建立特征库；使用相同网络对测试集的样本进行特征提取；在提取完测试图像的特征以后，使用KNN算法通过比较最后一层的图像级之间的距离来获取与测试图像最相似的K个正样本图片；再比较测试图片和K个正样本的中间层输出特征图之间的像素级距离来获取每一层的缺陷得分图；再将不同层的特征图通过插值resize为图像大小，并取平均值；最后将得到的缺陷得分图进行高斯滤波；设定阈值获得图片的缺陷mask。本发明方法无需额外的训练就可以简单有效的获取测试图像的缺陷图。
-
公开(公告)号：CN112766184B
公开(公告)日：2024-04-16
申请号：CN202110090408.2
申请日：2021-01-22
Applicant: 东南大学
IPC: G06V20/13 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多层级特征选择卷积神经网络的遥感目标检测方法，该方法首先搭建卷积神经网络模型，并对搭建的卷积神经网络结构参数进行设定和训练参数初始化；再对训练图像进行预处理和标签格式转化，然后预处理和标签格式转化的训练图像进行数据增强；进行卷积神经网络模型训练，得到网络权重和偏置；将测试图像输入训练好的神经网络模型，得到定位和分类结果。由于基于水平框的目标识别对紧密排列的旋转物体无法正确定位，同时按目标尺寸大小进行特征分类的方式过于简单而存在问题，通过本发明公开的多层级特征选择卷积神经网络的方法可以实现任意方向物体的识别以及分类，并大大提高准确率。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.034 seconds)
