-
公开(公告)号：CN115049556A
公开(公告)日：2022-09-13
申请号：CN202210736142.9
申请日：2022-06-27
Applicant: 安徽大学
Abstract: 本申请公开了一种基于StyleGAN的人脸图像修复方法，步骤包括：将真实人脸图像分割为人脸区域和背景区域，作为训练集；对数据集进行数据增强，将原始图像设置为标签；利用训练集和标签对编码器进行训练，得到编码器网络；利用编码器网络分别提取真实人脸图像的隐码向量、待修复图像人脸区域的隐码向量、待修复图像背景区域的隐码特征图；将真实人脸图像的隐码向量与待修复图像人脸区域的隐码向量进行混合，得到混合人脸的隐码向量，将混合人脸的隐码向量与待修复图像背景区域的隐码特征图一同输入到StyleGAN生成器网络中，得到修复完成的人脸图像。本申请实现了人脸图像修复能力大幅提升，并且使得修复过程中很好地保证结构相似。
-
公开(公告)号：CN115019388A
公开(公告)日：2022-09-06
申请号：CN202210550424.X
申请日：2022-05-20
Applicant: 安徽大学
Abstract: 本申请涉公开了一种利用单目摄像头拍摄步态视频全自动步态分析方法，包括以下步骤：利用摄像头拍摄目标行走人物，并获取得到运动视频；将运动视频输入多媒体机器学习模型应用框架中，并识别出人体骨骼关键点的坐标矩阵和标准步态参数；将坐标生成矩阵和标准步态参数输入卷积神经网络中，并得到预测值；根据预测值调整网络参数，并继续训练由卷积神经网络构建的模型；若卷积神经网络的损失函数收敛到最小，且输出预设的预测值，则将坐标矩阵输入卷积神经网络构建的并训练得到模型中，并获取目标人物的步态参数。本申请实现了利用全身的骨骼关键点进行卷积神经网络的训练和步态参数的估计，需要的硬件条件低，提高了效率，以便于大量普及。
-
公开(公告)号：CN114880638A
公开(公告)日：2022-08-09
申请号：CN202210284119.0
申请日：2022-03-22
Applicant: 安徽大学
IPC: G06F21/32 , G06F21/36 , G06F21/62 , G06F16/583 , G06F16/58 , G06V40/16 , G06V10/74 , G06K9/62 , G06Q50/00
Abstract: 本申请公开了一种基于情景式照片匹配群组和好友的方法及系统，方法包括以下步骤：获取用户人脸图片，对用户人脸图片进行识别检测；匹配得到用户的虚拟身份；依据虚拟身份向用户推送符合虚拟身份的情景群组；将情景群组中的群内好友推荐给用户；其中，情景群组的生成包括以下步骤：利用生成对抗网络生成多个主题照片库，每个主题照片库对应一个情景主题；将每个情景主题中划分为多个具体化的情景标签；将每个情景标签对应一个情景群组。本申请实现了利用用户人脸创建虚拟身份，并依据虚拟身份匹配预设的情景群组，通过在情景群组内获取好友推荐，整个系统的活动都是基于虚拟身份，对用户的隐私保护较好。
-
公开(公告)号：CN114299260A
公开(公告)日：2022-04-08
申请号：CN202111584269.5
申请日：2021-12-22
Applicant: 安徽大学
Abstract: 本申请公开了一种基于AR眼镜的产品配件检测定位引导组装方法及系统，包括以下步骤：获得安装基座的位置数据；获取安装基座的深度图像数据流和视频数据流；将深度图像数据流转换为点云数据；将视频数据流传输至台式机服务端；接收台式机服务端发送的与安装基座相匹配的配件的识别数据；将配件的识别数据与点云数据进行比对，并得到配件的三维坐标数据；识别配件上的二维码，并得到配件的序号；配件的模拟模型与安装基座的模拟模型之间建立模拟引导线。本申请实现了采用三维点云的目标识别，并结合二维码识别辅助，能够快速定位目标配件的三维空间位置，得到较为精确的三维坐标，将物件与物件之间能够进行虚拟模型引导，以便于快速安装。
-
公开(公告)号：CN112686833A
公开(公告)日：2021-04-20
申请号：CN202010852805.4
申请日：2020-08-22
Applicant: 安徽大学
Abstract: 本发明涉及工业产品表面的缺陷检测和分类技术领域，公开了一种基于卷积神经网络的工业产品表面缺陷检测和分类装置，包括图片采集系统、缺陷检测系统、显示系统、数据分发系统和模型更新系统，所述图片采集系统包括ARM芯片、标号模块、摄像模块和数据发送模块A。本发明具有缺陷检出、缺陷定位和缺陷分类的功能，利用监控模块可以实时采集产品表面情况以及进行相应的缺陷检测和分类任务，且基于度量学习的小样本分类网络进行缺陷的分类，能够在ImageNet数据集上训练，在缺陷检测时，不需要大量的数据集进行训练，只要很少的产品缺陷数据就能获得良好的结果，且自动化程度高，准确率高，成本较低。
-
Patent Agency Ranking
公开(公告)号：CN106887115A
公开(公告)日：2017-06-23
申请号：CN201710048291.5
申请日：2017-01-20
Applicant: 安徽大学
IPC: G08B21/04
CPC classification number: G08B21/043 , G08B21/0446
Abstract: 本发明公开了一种老人跌倒监测装置，包括惯性传感模块、足底压力传感模块、信息接收通讯模块以及移动处理终端；惯性传感模块负责采集人体行走过程中的步态运动信息，足底压力传感模块负责采集人体行走过程中的步态压力信息，信息接收通讯模块分别连接着惯性传感模块、足底压力传感模块，负责接收惯性传感模块和足底压力传感模块的数据信息，并与移动处理终端通信连接，将数据信息发送至移动处理终端，由移动处理终端处理判断是否跌倒。本发明还提供了一种老人跌倒风险评估方法，通过惯性传感模块与足底压力传感模块结合的方式采集姿态与步态信息，提高了跌倒监测以及风险评估的准确性。
-
公开(公告)号：CN119323740A
公开(公告)日：2025-01-17
申请号：CN202411367973.9
申请日：2024-09-29
Applicant: 安徽大学
Abstract: 本发明涉及一种基于通道空间融合交叉注意力的无人机缺陷检测方法，包括：规划输电线路中塔杆的航点采样路线；获取无人机低空拍摄的高分辨率可见光图像并进行预处理；对YOLOv8网络模型进行改进，得到基于YOLOv8的无人机缺陷检测模型，进行训练和验证；识别杆塔中铜铝过度线夹和销钉缺失的缺陷位置和类别。本发明将YOLOv8网络模型中的多尺度特征提取网络替换为ESSF模块来解决尺度变化剧烈问题，充分融合浅层信息和深层信息，可以捕捉到更多的小目标信息，增加小目标检测层可以增强模型对微小物体的感知能力；集成CSFCA注意力机制模块，可以充分利用全局和局部的信息，能够过滤背景噪声和突出关键信息，提升缺陷检测的效率。
-
公开(公告)号：CN117975278A
公开(公告)日：2024-05-03
申请号：CN202410232018.8
申请日：2024-03-01
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/20 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于改进YOLOv8模型的害虫检测识别方法，包括：获取病虫害数据并进行预处理，得到病虫害数据集；对YOLOv8模型进行改进，在YOLOv8模型的Neck层的拼接模块后加入空间注意力模块，将YOLOv8模型的主干网络中的一个卷积层替换为SwimTransformer模块，将YOLOv8模型的损失函数替换为SIoU，得到害虫检测识别模型；采用训练集对害虫检测识别模型进行训练；获取待识别的害虫图像，将待识别的害虫图像输入训练后的害虫检测识别模型，得到检测识别结果。为了提高对害虫检测识别的精度，本发明对原始的YOLOv8模型做出了以下改进，增强了对细粒度特征的提取，极大的提高了对害虫的检测识别精度。
-
公开(公告)号：CN117333918A
公开(公告)日：2024-01-02
申请号：CN202311270068.7
申请日：2023-09-28
Applicant: 安徽大学
IPC: G06V40/16 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于集成卷积网络的人脸表情识别方法，包括：获取原始图像数据；对获取的原始图像数据进行预处理，得到训练集和测试集；构建集成卷积网络模型：集成卷积网络模型由共享卷积层和集成卷积分支两部分组成；对集成卷积网络模型进行训练；将待识别的人脸表情图像输入到训练后的集成卷积网络模型中，训练后的集成卷积网络模型输出最终的识别结果，即人脸表情对应的分类标签。本发明还公开了基于集成卷积网络的人脸表情识别系统。本发明减少冗余和计算负载，同时保持多样性和泛化能力，通过共享卷积层自动提取人脸图像特征，捕捉微妙表情差异，显著提升识别准确度；有效地克服了传统方法的限制，提高了人脸表情识别的效率和准确性。
-
公开(公告)号：CN117152735A
公开(公告)日：2023-12-01
申请号：CN202311119458.4
申请日：2023-09-01
Applicant: 安徽大学
IPC: G06V20/68 , G06V10/774 , G06V10/776 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/25 , G06V10/764 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明涉及一种基于改进yolov5s的番茄成熟度分级方法，包括：获取图像；进行图像预处理，得到训练集、测试集和验证集；对yolov5s模型进行改进；采用训练集对改进后的yolov5s模型进行训练，得到训练好的yolov5s模型；采用测试集对训练好的yolov5s模型进行测试，利用测试集中的图片进行定性以及定量的相关指标的评估；将待分级的番茄图片输入训练好的yolov5s模型，训练好的yolov5s模型识别出成熟的番茄。本发明用高像素相机获取成熟番茄图像，将深度学习技术中的全卷积图像分割网络应用到番茄智能采摘中，根据实际使用场景对网络结构进行调整，利用采集的番茄图像数据集训练卷积神经网络，最终使网络能够自动检测成熟番茄。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.021 seconds)
