-
公开(公告)号：CN112883880B
公开(公告)日：2022-08-19
申请号：CN202110211944.3
申请日：2021-02-25
Applicant: 电子科技大学
Abstract: 本发明公开了基于人体结构多尺度分割的行人属性识别方法、存储介质和终端，方法包括以下步骤：得到输入的行人图像；获取行人图像的细节关键点和抽象人体区域；对行人图像的特征进行逐层提取；将提取的细节关键点与浅层特征进行结合，并将提取的抽象人体区域与深层特征进行结合，将结合后的数据和深层特征分别输入到区域引导模块得到多个预测向量；将多个预测向量进行融合，得到最终预测结果。本发明由于网络的深浅‑人体结构的粗细划分‑属性的高低级之间存在着对应的关系，因此在更浅的特征层上对更细的行人局部做特征学习，在更高的特征层上对划分更粗的行人局部进行特征学习，利用身体结构去指导行人属性识别，从而得到强大的行人属性表示。
-
公开(公告)号：CN114637650A
公开(公告)日：2022-06-17
申请号：CN202210241431.1
申请日：2022-03-11
Applicant: 电子科技大学
Abstract: 本发明公开一种基于Kubernetes集群的弹性伸缩方法，应用于计算机技术领域，针对Kubernetes内置的弹性伸缩策略存在的不足，本发明基于深度学习平台来根据集群的历史指标值来预测未来的工作负载，通过当前指标值与预测指标值之差的绝对值与设定阈值进行比较，可以避免集群中的服务出现扩缩容频繁的情况；若绝对值大于或等于设定阈值，则认为未来即将出现指标高峰或指标低谷情况，则集群中的服务有执行扩容或缩容操作的必要，同时还设置一个计时器用于记录一次扩容或缩容操作的耗时，为了避免当前扩缩容操作与前一次的扩缩容操作发生冲突，还设置了一个时间阈值，只有当计时器的值大于或等于时间阈值，才进行扩容或缩容操作。
-
公开(公告)号：CN110517352B
公开(公告)日：2022-06-03
申请号：CN201910797141.3
申请日：2019-08-27
Applicant: 电子科技大学
Abstract: 本发明公开了一种物体的三维重建方法、存储介质、终端及系统，属于图片重建3D模型技术领域，方法包括：提取单张任意角度图片的高维特征，根据高维特征还原物体第一固定视角图像；根据第一固定视角图像生成形状遮罩进而生成物体的3D模型。系统包括U型生成式对抗网络和3D条件生成式对抗网络。本发明通过提取单张图片的高维特征以还原物体固定视角即第一固定视角视图，能够降低信息扰动；根据固定视角视图生成形状遮罩，有利于提高三维重建的效率、准确度，适用于任意视角图片、效果逼真的特点，满足了任意视角的单张物体图片实时重建3D模型的需要。
-
公开(公告)号：CN112927357B
公开(公告)日：2022-04-19
申请号：CN202110244678.4
申请日：2021-03-05
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于动态图网络的3D物体重建方法，物体的二维图像I首先经过图像特征提取；然后进行图网络输入数据准备：预定义一个由N个顶点以及多条边组成椭球体网格模型，并填充初始特征得到特征输入X，并构建对应的关系矩阵A；然后将特征输入X及对应的关系矩阵A送入动态图网络对每个顶点的特征进行融合和推理，融合生成新的关系矩阵最后根据动态图网络输出的特征输出Z经过3D坐标回归层回归出每个顶点的位置。本发明解决了图网络中初始关系矩阵A缺少必要邻居节点信息以及不能适应于对应物体的网格关系的缺点，这样提升重建的准确率以及效果，重建出来的3D网格模型具有完整、光滑等特点，能够适用于游戏，无人机，动画等实际应用中。
-
公开(公告)号：CN113011443A
公开(公告)日：2021-06-22
申请号：CN202110443624.0
申请日：2021-04-23
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于关键点的目标检测的特征融合方法，主要解决现有方法不能有效融合高层的语义信息和低层的位置信息、对小目标的检测效果不佳的问题。该方法包括特征提取模块、特征融合模块、热力图生成模块，后处理模块；其中，所述特征融合模块包括特征相加模块和特征拼接模块。通过上述设计，本发明通过特征相加模块和特征拼接模块在基于关键点的目标检测中将高层特征的语义信息与低层特征的位置信息有效进行融合，使得图像的多层特征图通过自顶向下和自底向上的连接能够很好地融合不同尺度的信息，极大增强特征表达能力。因此，适宜推广应用。
-
Patent Agency Ranking
公开(公告)号：CN112927357A
公开(公告)日：2021-06-08
申请号：CN202110244678.4
申请日：2021-03-05
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于动态图网络的3D物体重建方法，物体的二维图像I首先经过图像特征提取；然后进行图网络输入数据准备：预定义一个由N个顶点以及多条边组成椭球体网格模型，并填充初始特征得到特征输入X，并构建对应的关系矩阵A；然后将特征输入X及对应的关系矩阵A送入动态图网络对每个顶点的特征进行融合和推理，融合生成新的关系矩阵最后根据动态图网络输出的特征输出Z经过3D坐标回归层回归出每个顶点的位置。本发明解决了图网络中初始关系矩阵A缺少必要邻居节点信息以及不能适应于对应物体的网格关系的缺点，这样提升重建的准确率以及效果，重建出来的3D网格模型具有完整、光滑等特点，能够适用于游戏，无人机，动画等实际应用中。
-
公开(公告)号：CN112926655A
公开(公告)日：2021-06-08
申请号：CN202110211935.4
申请日：2021-02-25
Applicant: 电子科技大学
Abstract: 本发明公开了一种图像内容理解与视觉问答VQA方法、存储介质和终端，方法包括以下步骤：将图像和待回答问题输入至训练好的预测模块进行回答；所述预测模块包括顺次连接的融合注意力模块、双线性模型和分类器，所述分类器输出回答。本发明按照“对图像和问题进行特征表示、对图像和陈述性语句进行特征表示、融合特征矩阵、根据问题特征学习图像特征、根据正确陈述性语句学习图像特征、使用正确陈述性语句正确引导模型、得出结果”的思路，完成图像内容的题解与视觉问答(VQA)任务；因此提供了一种图像和问题关键词之间的密集交互的融合注意力方法，能够学习图像和文本的密集交互，从而进行图像和问题关键词之间的关系推断。
-
公开(公告)号：CN110555420A
公开(公告)日：2019-12-10
申请号：CN201910848205.8
申请日：2019-09-09
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于行人区域特征提取和重识别融合模型网络及方法，它包括：区域提取模块：用于根据全局特征图搜索行人出现的区域，并从中生成提取区域，以获得行人目标的检测结果并对这些提取区域的特征进行收集和整合处理。通过一个深度卷积神经网络即可实现对行人特征的提取和识别，并通过区域特征的提取避免了在原场景图片中对行人图片的截图、存储和预处理操作，使得整体网络处理速度更加快速，整体网络模型体积更小，能够部署到硬件条件更低的环境中。
-
公开(公告)号：CN109977922A
公开(公告)日：2019-07-05
申请号：CN201910289844.5
申请日：2019-04-11
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于生成对抗网络的行人掩模生成方法，方法包括：将图片和噪声向量输入到生成器中，生成器生成掩模，判别器通过对生成器生成的掩模进行判别，判别不通过则将结果反馈到生成器中，生成器继续学习生成最佳掩模。本发明证明了该模型使用较少的训练图像数据，不但极大地缩短了生成掩模的时间，而且能够生成具有更精细化的二元人体掩模。
-
公开(公告)号：CN109377535A
公开(公告)日：2019-02-22
申请号：CN201811242925.1
申请日：2018-10-24
Applicant: 电子科技大学
Abstract: 本发明公开了面部属性自动编辑系统、方法、存储介质和终端，系统包括训练模块和自动编辑模块；所述的训练模块包括编码器Genc、第一解码器Gdec、第二解码器Gdec、分类器C、判别器D、属性分类约束单元、重建误差单元、对抗误差单元和总误差单元；所述的自动编辑模块采用训练模块中训练完成的编码器Genc、第二解码器Gdec和分类器C。本发明不仅达到了面部属性编辑的目的，而且可以从另外一张图中自动提取该图中的期望属性，并将该图片的期望属性应用到调整初始图片，使得生成图像同时拥有两张图片的特征的目的。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.03 seconds)
