-
公开(公告)号：CN104702602A
公开(公告)日：2015-06-10
申请号：CN201510095630.6
申请日：2015-03-04
Applicant: 南京邮电大学
Abstract: 本发明公开了基于SIP实现集群网关动态创建通道和扩容的系统和方法，该方法包括集群网关管理端登录连接SIP服务器的过程，以及通过SIP服务器，与调度终端通过SIP协议进行数据交互，实现集群网关动态创建通道和扩容等过程，克服了现有集群网关在创建通道时，需要预先静态配置通道所对应的号码，集群网关不能够方便地实现动态创建通道和扩容等问题。与现有的集群网关比较，本发明提出的方法具有很大的灵活性，避免了为集群网关另外创建管理或数据通信通道带来的麻烦，具有很强的实用价值。
-
公开(公告)号：CN119992053A
公开(公告)日：2025-05-13
申请号：CN202510075140.3
申请日：2025-01-17
Applicant: 南京邮电大学
IPC: G06V10/25 , G06V10/82 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/80 , G06V20/58 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06N3/096
Abstract: 本发明公开了一种基于瓶颈设计和双线蒸馏的高效目标检测方法及系统，首先构建基于轻量级瓶颈设计和双线蒸馏模块的高效目标检测神经网络；所述高效目标检测神经网络包括利用轻量级瓶颈构建的高效目标检测神经网络、特征蒸馏模块与逻辑蒸馏模块按比例混合的双线蒸馏模块，所述利用轻量级瓶颈构建的高雄啊目标检测神经网络包括教师网络和学生网络，所述学生网络的蒸馏权重利用教师网络的训练权重通过双线蒸馏模块对学生网络进行离线蒸馏得到；将待检测目标图像输入学生网络进行识别，获得检测信息。本发明能够在保持网络检测精度的同时降低网络计算复杂度、加快网络推理速度。
-
公开(公告)号：CN118570860A
公开(公告)日：2024-08-30
申请号：CN202410715707.4
申请日：2024-06-04
Applicant: 南京邮电大学
IPC: G06V40/16 , G06V20/40 , G06V10/56 , G06V10/46 , G06V10/20 , G06N3/0464 , G06N3/084 , G06N20/10 , G06N3/048 , G06T3/04 , G06F21/62
Abstract: 本发明涉及计算机视觉和模式识别领域，具体涉及一种具有视觉隐私保护功能的在线课堂专注度识别方法，具体步骤为：首先通过对视频数据进行风格迁移实现视觉隐私保护效果，提取处理后视频帧序列的图像颜色特征和显著结构特征并映射到图像视觉隐私保护分数，从处理后的视频帧序列中得到专注度识别的识别率，最后建立视觉隐私保护分数和在线课堂专注度识别率之间的二元统计模型；本发明针对视频监控与智能应用的隐私矛盾，在对视频数据进行隐私保护的同时，平衡了隐私保护与智能应用之间的冲突，有着较高的实际运用价值。
-
公开(公告)号：CN117496487A
公开(公告)日：2024-02-02
申请号：CN202311183815.3
申请日：2023-09-13
Applicant: 南京邮电大学
IPC: G06V20/59 , G06V40/16 , G06V10/772 , G06V10/764 , G06V10/82 , G06N3/0464 , H04N7/18
Abstract: 本发明公开一种面向车内私密视频监控的昆虫视觉仿生疲劳驾驶检测方法，具体为：利用仿生昆虫视觉处理车内私密视频监控，得到视隐态视频帧；利用RetinaFace对视隐态视频帧进行目标人脸提取，得到视隐态效果下的人脸区域图片；利用PFLDGO对目标人脸区域进行关键点定位，得到人脸关键点的坐标信息；对坐标信息进行类字典学习，得到对应的类字典；将类字典进行稀疏池化识别，求得实际应用中车内私密视频的稀疏系数，进行池化分类决策，得到最终的疲劳判定。本发明采用仿生昆虫视觉处对车内监控视频进行视觉屏蔽，有效保护车内人员隐私；采用新型网络对视频帧进行关键点检测及分类网络进行疲劳判定，实现对驾驶员进行疲劳检测的判定。
-
公开(公告)号：CN116071573A
公开(公告)日：2023-05-05
申请号：CN202111583892.9
申请日：2021-12-22
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明是一种基于人体骨架数据和语义关联的零样本行为识别方法，包括：步骤1：使用训练好的骨架特征提取网络从骨架数据中提取视觉特征；步骤2：构建对抗生成网络模型和分类器网络；步骤3：训练对抗生成网络模型进行训练，特征生成网络生成可见类标签对应的视觉特征样本；步骤4：将不可见类数据的语义特征输入到特征生成网络不可见类标签对应的视觉特征样本，训练分类器网络；步骤5：识别未见类的行为样本时，先使用骨架特征提取网络从中提取视觉特征，然后输入到分类器网络中得到分类结果。本发明有效利用了短语在表征语义时各单词之间的语义关联，改善零样本行为识别中生成器的泛化能力较低的问题，提升分类器训练后对未见类的识别率。
-
Patent Agency Ranking
公开(公告)号：CN113989911A
公开(公告)日：2022-01-28
申请号：CN202111483036.6
申请日：2021-12-07
Applicant: 南京邮电大学
Abstract: 一种基于三维人脸特征重建和图深度学习的真实环境面部表情识别方法，通过建立的三维密集人脸重建网络以及端到端的可训练三维人脸特征重建与学习网络模型3DF‑RLN，由单独的2D人脸图像重构得到面部外观和面部几何特征，有效表征了面部表情信息。由面部几何特征得到基于人脸关键点的面部拓扑图，可以反映面部几何特征间的相关性，对面部表情识别及相关研究有重大意义。CNN网络有效提取面部外观特征中包含的表情信息，GCN网络有效提取面部几何特征中包含的信息。由通道注意和softmax构成的融合识别模块有效融合面部外观特征和面部几何特征中包含的互补信息，提高表情识别准确率。总体而言，本方法提高了面部表情识别的准确率，提高真实环境面部表情识别效果。
-
公开(公告)号：CN111860151A
公开(公告)日：2020-10-30
申请号：CN202010532746.2
申请日：2020-06-12
Applicant: 南京邮电大学
Abstract: 本发明公开了一种无监督跨角度面部表情图像识别方法，将由正脸表情图像训练得到的分类器迁移到侧脸图像域，实现侧脸表情图像的高精度识别。本方法是一种深度神经网络，称为无监督跨角度面部表情自适应网络。该网络使用两个生成对抗网络进行正脸图像和侧脸图像的循环生成，这种机制建立了两个对应的编码-解码对，完成由图像到高层语义特征再到图像的变换，从而得到表情图像的高维特征。正脸图像和侧脸图像在特征空间的分布差异要远小于两者在图像空间的分布差异，本方法在两者的特征空间进行半监督学习，完成由正脸图像分类向侧脸图像的领域自适应。此外，本发明还使用了合成侧脸图像质量评估，域平均脸和乒乓螺旋上升训练等技巧。
-
公开(公告)号：CN111860128A
公开(公告)日：2020-10-30
申请号：CN202010503667.9
申请日：2020-06-05
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多流快慢图卷积网络的人体骨骼行为识别方法。本发明涉及图像识别技术领域，本发明将快慢网络的思想与图卷积网络相结合，快网络可以有效提取骨骼序列的时间信息，慢网络可以有效期提取骨骼序列的空间信息，侧向连接的方式加强了两路网络之间的信息交互。通过应用不同的注意力机制加强了时空特征的提取和整合。由于采样和降低通道数的做法也大幅减少了计算量。通过引入多流结构，进一步增强了空间上的信息提取能力，提高了基于骨骼关节点的行为识别方法的识别率和鲁棒性。
-
公开(公告)号：CN106503718B
公开(公告)日：2019-11-22
申请号：CN201610835140.X
申请日：2016-09-20
Applicant: 南京邮电大学
IPC: G06K9/46
Abstract: 本发明公开了一种基于滤波器组的局部二值模式图像描述方法，包括：将输入的人脸图像进行分块获得若干图像块；对所述每个图像块进行基于滤波器组的卷积滤波，并分别卷积滤波处理后的每个图像块进行LBP编码，获得每个图像块的若干个FBLBP值；对每个图像块所得若干个FBLBP值进行统计，获得每种滤波器模式下的FBLBP直方图特征，并按顺序将滤波器组中所有滤波器模式下的FBLBP直方图特征组合成该图像块的FBLBP直方图特征；以及，依次提取每个图像块的FBLBP直方图特征，并串联起来构成该人脸图像的直方特征向量。本发明将局部图像与滤波器组卷积获得响应代替像素来对图像进行编码，获取图像的多尺度信息，使LBP算子更具有鲁棒性和抗干扰性，可增强LBP描述子对图像的表征能力。
-
公开(公告)号：CN106778584B
公开(公告)日：2019-07-16
申请号：CN201611120293.2
申请日：2016-12-08
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于深层特征与浅层特征融合的人脸年龄估计方法，包括：对人脸样本数据集中的每张人脸样本图像进行预处理；对构建的初始卷积神经网络训练，选取一个用于人脸识别的卷积神经网络；利用具备年龄标签值的人脸数据集对所选取的卷积神经网络进行微调处理，获得多个用于年龄估计的卷积神经网络；提取得到人脸图像所对应多层次的年龄特征，并将其作为深层特征输出；提取获得每个人脸图像的浅层特征HOG特征和LBP特征；构建深度置信网络将深层特征和浅层特征融合；根据深度置信网络中融合后的特征进行人脸图像的年龄回归估计，获得和输出年龄估计结果。本发明提高了年龄估计的准确度，具备高精度的人脸图像年龄识估计能力。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.031 seconds)
