一种基于回归校正网络的声呐图像配准方法及系统

    公开(公告)号:CN111311652B

    公开(公告)日:2023-04-18

    申请号:CN202010058698.8

    申请日:2020-01-19

    Abstract: 本发明公开了一种基于回归校正网络的声呐图像配准方法及系统。本发明涉及的一种基于回归校正网络的声呐图像配准方法,包括步骤:S11.创建3D投影变换参数的回归网络,得到3D投影变换参数的预测模型;S12.创建3D投影变换的几何变换网络;S13.创建计算图像相似度的比较网络;S14.根据得到的预测模型的参数和所述几何变换网络生成配准图片,通过所述比较网络计算参考图像和配准图像的相似度,得到图像的配准。本发明将复杂的配准任务分解为可以单独学习的两个简单子任务,通过组合技术优化配准结果。

    基于双偏差双空间局部方向模式的人脸识别方法

    公开(公告)号:CN110781749B

    公开(公告)日:2022-09-02

    申请号:CN201910911208.1

    申请日:2019-09-25

    Abstract: 本发明公开了一种基于双偏差双空间局部方向模式的人脸识别方法。本发明步骤:1、根据图像的局部纹理特性,通过计算局部图像的绝对偏差和相对偏差得到梯度空间的有效信息,并引入度量函数;2、计算局部图像各方向的灰度值之和,获得灰度空间的信息;3、利用双空间信息,量化特征对图像进行模式编码,得到整个人脸图像的特征图。将特征图分为若干不重叠子块,依据信息熵加权级联各子块的直方图得到人脸的特征向量;4、利用最近邻分类器,计算卡方距离判断向量间的相似程度,完成识别。本发明在光照、姿态、表情、遮挡等干扰下,能保持很好的稳定性和鲁棒性。

    一种基于多特征融合的蚊虫识别方法

    公开(公告)号:CN113505815A

    公开(公告)日:2021-10-15

    申请号:CN202110659978.9

    申请日:2021-06-15

    Abstract: 本发明公开了一种基于多特征融合的蚊虫识别方法。现有识别蚊虫的方法效率低、误识率较高。本发明方法包括训练阶段和测试阶段。训练阶段首先收集蚊子彩色图像,组成训练集,然后对蚊虫彩色图像尺寸规范化处理,提取图像融合特征,获取训练集中每幅图像的融合特征,训练支持向量机分类模型。测试阶段是将预处理后测试图像进行图像特征提取,将获得的融合特征输入训练好的支持向量机分类模型中,模型输出识别结果。本发明方法提取HSV颜色特征、HOG特征和LBP特征,并且将三个特征进行融合,能更好地表现不同类别蚊虫图像的信息差异,避免了单一特征的不足,从而具有较高的准确性和较强的鲁棒性。

    一种自适应非极大抑制的目标检测方法

    公开(公告)号:CN108596170B

    公开(公告)日:2021-08-24

    申请号:CN201810239211.9

    申请日:2018-03-22

    Abstract: 本发明公开了一种自适应非极大抑制的目标检测方法,包括:S1:选取初始候选框集合进行迭代处理以对初始候选框集合内的候选框进行遍历排序得分,并将排序得分非最高得分的所有候选框组成剩余候选框集合;S2:基于剩余候选框集合中的两相邻候选框的注意力地图的差异以获取两相邻候选框的相邻目标区分度;S3:基于两相邻候选框的相邻目标区分度,构建自适应得分衰减函数并基于自适应衰减得分函数的计算结果自动赋予与两相邻候选框的得分相对应的衰减系数;S4:对两相邻候选框重新得分并丢弃得分低于阈值的候选框;S5:迭代重复步骤S2~S4,并判断剩余候选框集合中候选框数量是否为1;若是,则终止目标检测并输出最终的候选框融合结果。

    一种基于注意力的非最大化抑制方法

    公开(公告)号:CN110245620B

    公开(公告)日:2021-08-20

    申请号:CN201910524163.2

    申请日:2019-06-18

    Abstract: 本发明提供一种基于注意力的非最大化抑制方法,包括:步骤S1、将测试图像输入预先训练好的Faster RCNN网络,提取所述图像的特征信息,Region of Interest网络部分输出各个建议区域上不同类别目标的分类置信度;步骤S2、将所述分类置信度作为注意力驱动信号进行自上而下的反向传播,生成目标注意力地图;步骤S3、根据所述注意力地图计算每一检测边界框的感兴趣概率,并将所述感兴趣概率与所述分类置信度的加权和作为感兴趣分数,优化NMS边界框检测。本发明能够充分利用网络中图像的特征信息,以有效解决目标分类置信度的空间信息缺失问题,调节分类置信度与定位精度的不一致性;并且在不用修改网络或者额外的网络训练情况下,改进了NMS,提高了目标检测的精度。

    一种基于深度残差网络的行为识别方法

    公开(公告)号:CN110378208B

    公开(公告)日:2021-07-13

    申请号:CN201910499059.2

    申请日:2019-06-11

    Abstract: 本发明公开了一种基于深度残差网络的行为识别方法。本发明以深度残差网络分别构建空间网络和时间网络,包括训练阶段和测试阶段:在训练阶段,提取训练视频的原始帧和光流,分别送入空间网络和时间网络进行训练;在测试阶段,提取测试视频的原始帧和光流,分别送入训练得到的空间和时间网络模型,每个模型分别得到每个行为所属各分类的得分;再将两个模型的分类得分进行融合,通过softmax分类器判断出最终的行为类别。本发明方法能够根据特征通道的重要程度来增强对当前行为有效的特征,并抑制较小的特征,从而提高模型对输入数据的表达能力。本发明具有较高的行为识别准确率,特别是在一些复杂动作和较难识别动作中有较好的表现。

    一种基于双层注意力机制的异质图分类方法

    公开(公告)号:CN112381179A

    公开(公告)日:2021-02-19

    申请号:CN202011436576.4

    申请日:2020-12-11

    Abstract: 本发明公开了一种基于双层注意力机制的异质图分类方法,包括步骤:S11.对不同类型节点的特征向量进行映射操作,得到目标节点和与目标节点相对应的邻域节点在同一实体空间的特征向量;S12.根据得到的特征向量,并基于双层注意力中的类型级注意力和节点级注意力,从类型级注意力到节点级注意力自顶向下地学习不同类型邻居和不同相邻节点间的权重;S13.根据得到的权重构建异质图,得到分类模型;S14.将测试数据输入至得到的分类模型中,输出最终分类结果。

    自适应四角星形局部图结构的均衡人脸特征提取方法

    公开(公告)号:CN111931590A

    公开(公告)日:2020-11-13

    申请号:CN202010680477.4

    申请日:2020-07-15

    Abstract: 本发明公开了自适应四角星形局部图结构的均衡人脸特征提取方法。现有方法不能完全表达局部纹理特征,关系节点数多,对噪声等干扰的鲁棒性不强。本发明方法将输入的人脸图像预处理后得到标准单个人脸灰度图像,将待编码像素作为中心像素,以中心像素作为同心的内圆和外圆的圆心,在内圆和外圆的圆周上选取四个像素点作为图节点,将八个图节点以有向线连接,围合成四角星形局部图结构,比较每段有向线两端图节点对应的像素值的大小,根据比较结果进行编码,转换为十进制的编码值;遍历所有像素,得到该人脸的局部图结构编码特征图。本文发明在光照、姿态、表情和遮挡等各种干扰下,所提取的特征表现出很好的鲁棒性,对于人脸识别有实际应用价值。

    一种基于高斯混合模型先验变分自编码器的图像生成方法

    公开(公告)号:CN111243045A

    公开(公告)日:2020-06-05

    申请号:CN202010024870.8

    申请日:2020-01-10

    Abstract: 本发明公开了一种基于高斯混合模型先验变分自编码器的图像生成方法,包括步骤:S11.预设生成图像训练数据集;其中训练数据集由若干批次的训练数据组成;S12.搭建高斯混合模型先验的变分自编码器网络;S13.将预设的若干批次的训练数据上传至变分自编码器网络中,并确定变分自编码器网络的后验分布和先验分布;S14.确定高斯混合模型中高斯分量之间的关系,得到映射函数;S15.利用变分自编码器网络和得到的映射函数得到重构损失函数和KL散度函数,计算变分自编码器网络的后验分布和先验分布的损失函数,并对变分自编码器网络的参数进行更新以生成图像;S16.当生成图像时,将伪输入作为输入图像上传至变分自编码器网络,得到最终生成的图片。

    一种基于支持向量机的伊蚊识别方法

    公开(公告)号:CN111160416A

    公开(公告)日:2020-05-15

    申请号:CN201911275811.1

    申请日:2019-12-12

    Abstract: 本发明公开了一种基于支持向量机的伊蚊识别方法。本发明方法包括训练阶段和测试阶段。其中训练阶段首先进行图像预处理,对收集的彩色蚊子图像尺寸规范化;然后进行图像特征提取,分别提取颜色直方图特征和方向梯度直方图特征并以串接的方式融合;最后训练支持向量机分类器,采用线性核支持向量机函数对样本进行训练。测试阶段是将测试蚊子图像依次按训练阶段预处理和特征提取,把获得的特征输入到训练好的模型中,输出蚊子图像的类别。本发明方法简单易实现,提取的特征对图像本身的尺寸、方向、视角的依赖性小,对图像几何和光学的形变都能保持良好的不变性,从而具有较强的鲁棒性。

Patent Agency Ranking