-
公开(公告)号：CN109961506B
公开(公告)日：2023-05-02
申请号：CN201910190191.5
申请日：2019-03-13
Applicant: 东南大学
IPC: G06T17/00
Abstract: 本发明公开了一种融合改进Census图的局部场景三维重建方法，包括以下步骤：获取环境的彩色图和深度图，将彩色图灰度化后计算包含关键点及其邻域像素块的改进Census图，基于这些关键像素块的改进Census图和灰度值，估计当前帧的位姿，并判断当前帧是否为关键帧，对经筛选后的最新关键帧的深度图分别进行联合双边滤波和体素格滤波，以便获得去噪平滑的深度图和降采样点云的深度图，再对于当前关键帧与上一关键帧经过体素格滤波的深度图使用具有尺度因子s的ICP算法优化匹配位姿，再将当前帧经过联合双边滤波的深度图与局部图融合，实现点云地图的增长，并最终重建局部三维场景，算法简洁，效率较高且鲁棒性较强。
-
公开(公告)号：CN111898410A
公开(公告)日：2020-11-06
申请号：CN202010531633.0
申请日：2020-06-11
Applicant: 东南大学
Abstract: 本发明提供了一种在无约束场景下的基于上下文推理的人脸检测方案，属于多媒体信号处理领域。本发明将训练集进行数据增广，以VGGNet-16作为基础特征提取网络，通过低层级特征金字塔网络加权地融合不同层特征，并在预测环节采用上下文辅助预测模块扩充子网络以加深、加宽网络模型，引入自适应锚点取样的数据增强方式和多尺度训练方法，增强了模型对于尺度的适应力。本发明不仅可提取出最具表达力的描述信息，还能较好地弥补未被充分提取的面部特征，且可优化对面部特征的利用率，适用于检测难度较高的无约束场景，尤其对微小的、模糊的、遮挡的人脸也能实现精准检测。
-
公开(公告)号：CN111505618A
公开(公告)日：2020-08-07
申请号：CN202010289645.7
申请日：2020-04-14
Applicant: 东南大学
IPC: G01S13/34 , G01S13/58 , G01S7/35 , G01S13/931
Abstract: 本发明公开了一种适用于车载毫米波雷达领域的基于频率估计的去耦合校正测距方法，其包括以下步骤:首先我们结合实际的应用场景，采用复调制频谱分析技术在快时间维对于我们所关心的一段距离范围进行局部放大；然后针对现有的测距方案常忽略的耦合项问题，通过距离多普勒二维联合处理以及频域插值校正，去除距离-速度耦合以及快时间-慢时间维耦合项，进一步提高了距离测量的准确性；此外采用Jacobsen算法来进行离散频谱校正，在提高精度的同时，保证低的计算复杂度和实时性需求，仿真结果证明其有效性以及和其他传统方案相比的性能优越性。
-
公开(公告)号：CN110120150A
公开(公告)日：2019-08-13
申请号：CN201910304839.7
申请日：2019-04-16
Applicant: 东南大学
Abstract: 本发明设计一种高速公路网清障机械设备分配方法，基于对道路清障机械设备总体需求指标与道路大型清障机械设备需求指标的计算，管理人员可以根据道路年平均日交通量，历史事故数，重车年平均日交通量，道路长度数据，量化各个道路清障机械设备需求，结合需求占比与道路最低清障设备要求，将有限的高速公路清障机械设备精准配置到需要的道路上。
-
公开(公告)号：CN109583328A
公开(公告)日：2019-04-05
申请号：CN201811345088.5
申请日：2018-11-13
Applicant: 东南大学
Abstract: 本发明公开了一种嵌入稀疏连接的深度卷积神经网络字符识别方法，属于信息与通信工程领域。本发明提供的字符识别方法，是基于深度卷积神经网络的，与现有方法不同的是，本发明是对深度卷积神经网络结构的改进，针对原有网络所存在的训练时内存溢出的问题，在原有的深度卷积神经网络中嵌入稀疏连接层，增加了网络的宽度，减少了参数，降低参数空间的维度。从而节省在网络训练和测试时所需要的硬件开销，减少了训练网络时所占用的内存空间，缩短了训练时所需要的时长。
-
Patent Agency Ranking
公开(公告)号：CN110097091B
公开(公告)日：2023-04-18
申请号：CN201910282875.8
申请日：2019-04-10
Applicant: 东南大学
IPC: G06V10/764
Abstract: 训练和推理数据分布不一致条件下的图像细粒度识别方法，建立了检测‑细粒度模型，检测模块提取特征并对类别、位置和置信度回归。获取感兴趣区域位置并粘贴到WxH黑色背景后，传入特征融合的细粒度模块，利用多尺度双线性特征对子类进行细粒度识别。在提出的Cigarette67‑2018训练，且细粒度模块在特定数据集Cigarette67‑2018，较之前双线性模型B‑CNN基线有显著提高。在单核CPU上推理速度可以满足实时性要求且本发明中的细粒度识别模块为弱监督算法，仅仅需要图像级标注信息，这使本发明易于操作，实用价值高。
-
公开(公告)号：CN109961049B
公开(公告)日：2022-04-26
申请号：CN201910236775.1
申请日：2019-03-27
Applicant: 东南大学
Abstract: 本发明公开了一种复杂场景下香烟品牌识别方法，对原始彩色图像进行灰度化处理，结合图像滤波消除噪声干扰，并利用改进的Sobel边缘算子对预处理后的图像边缘粗略定位，通过数学形态学操作等细化处理获得二值图像的块状连通候选区域，送入深度学习神经网络Faster RCNN模型进行精确定位和识别。本发明通过边缘检测截取候选区域降低背景对检测性能的干扰，同时改进的Sobel算子结合货架香烟图片特点着重检测垂直方向边缘；本发明中Faster RCNN检测模型针对香烟尺寸与形状特征对区域建议网络中锚框尺度和比例进行修改，降低小目标的漏检概率，提高检测和识别准确率。
-
公开(公告)号：CN109583328B
公开(公告)日：2021-09-03
申请号：CN201811345088.5
申请日：2018-11-13
Applicant: 东南大学
Abstract: 本发明公开了一种嵌入稀疏连接的深度卷积神经网络字符识别方法，属于信息与通信工程领域。本发明提供的字符识别方法，是基于深度卷积神经网络的，与现有方法不同的是，本发明是对深度卷积神经网络结构的改进，针对原有网络所存在的训练时内存溢出的问题，在原有的深度卷积神经网络中嵌入稀疏连接层，增加了网络的宽度，减少了参数，降低参数空间的维度。从而节省在网络训练和测试时所需要的硬件开销，减少了训练网络时所占用的内存空间，缩短了训练时所需要的时长。
-
公开(公告)号：CN111553397A
公开(公告)日：2020-08-18
申请号：CN202010316648.5
申请日：2020-04-21
Applicant: 东南大学
Abstract: 本发明公开了一种基于区域全卷积网络和自适应的跨域目标检测方法，属于计算机视觉技术领域。本发明使用深度学习目标检测技术，针对目标检测中训练域和测试域的数据不同分布的问题，利用自适应方法来改善目标检测的跨域鲁棒性。首先基于深度学习构建了区域全卷积网络模型；接着在图像级别和目标级别上设计了两个相应的域分类器作为自适应成分来减少域变换的差异，并在域分类器加上一致性正则化；然后以端到端的方式训练网络；最后去掉自适应成分，将网络用于目标检测任务。采用我们设计的跨域目标检测方法可以有效提高在各种域变换场景中进行目标检测的平均精度。
-
公开(公告)号：CN111553230A
公开(公告)日：2020-08-18
申请号：CN202010319149.1
申请日：2020-04-21
Applicant: 东南大学
Abstract: 本发明提供了一种在无约束场景下的基于特征强化的渐进式级联人脸检测方案，属于多媒体信号处理领域。本发明将训练集进行数据增广，以VGGNet-16作为基础特征提取网络，利用特征强化模块实现双分支架构，在预测之前，对各分支应用Max-Both-Out策略；训练时搭建迭代式级联结构，设计渐进式损失，即由第一分支多任务损失和第二分支多任务损失加权求和，用以指导训练与学习过程直至收敛，最终实现对目标人脸的检测。本发明不仅关注上下文信息还着重挖掘当前层特征，丰富了面部特征的提取模式，适用于检测难度较高的无约束场景，尤其对微小的、模糊的、遮挡的人脸也可实现精准检测。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.064 seconds)
